开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载本文基于 huggingface_hub 官方文档docs/source/ko/installation.md整理。huggingface_hub 是 Hugging Face Hub 的官方 Python 客户端与命令行工具负责模型、数据集与各类仓库的上传下载及 API 交互。无论你是要在新项目中集成 Hub 能力还是要为库本身贡献代码第一步都是把它正确安装到环境中。读完本文你将掌握虚拟环境下的 pip 安装、可选依赖按需裁剪、源码与可编辑安装、conda 安装、以及一条命令验证安装是否成功并了解 Windows 平台上的已知限制与规避方式。环境要求Python 3.10huggingface_hub官方测试的 Python 版本为Python 3.10。这一点在源码打包配置中也有硬性约束仓库根目录的 setup.py 明确声明了python_requires3.10.0pyproject.toml 同样与之一致。因此如果你的机器上 Python 版本低于 3.10请先升级 Python 再继续后续步骤。安装前建议先确认当前 Python 版本python --version用 pip 安装1. 创建并激活虚拟环境强烈推荐官方强烈建议在 虚拟环境 中安装huggingface_hub。虚拟环境能够隔离不同项目的依赖避免包与包之间的版本兼容性冲突。如果对 Python 虚拟环境不熟悉可以参考官方虚拟环境安装指南。在项目目录中创建虚拟环境python -m venv .venv激活虚拟环境。Linux 与 macOSsource .venv/bin/activateWindows.venv/Scripts/activate2. 从 PyPI 安装环境就绪后从 PyPI 注册表安装huggingface_hubpip install --upgrade huggingface_hub--upgrade参数会确保你拿到的是最新版本而不是环境中已缓存的旧版本。安装完成后建议进入后面的安装验证一节确认一切正常。3. 安装可选依赖按需裁剪huggingface_hub的核心功能并不依赖所有第三方库因此部分依赖被设计为「可选」optional依赖——不安装它们核心功能照常运行但某些附加能力会缺失。比如框架特定的序列化、CLI 增强、MCP 支持等。可以通过 pip 一次安装多组可选依赖# 同时安装 torch框架特定功能与 cli更完善的命令行接口相关依赖 pip install huggingface_hub[cli,torch]以仓库 setup.py 中extras的实际定义为准目前可选依赖分组如下extra作用对应源码定义cli更便捷的huggingface_hub命令行界面依赖见src/huggingface_hub/cli/torch运行 PyTorch 框架特定功能含safetensors[torch]setup.pyfastai运行 fastai 框架特定功能setup.pyoauthOAuth 登录流程相关authlib、fastapi、itsdangeroussetup.pyhf_xet使用 Xet 协议加速大文件传输setup.pymcpMCPModel Context Protocol相关功能setup.pytesting运行测试套件pytest 全家桶setup.pytyping运行类型检查器mypy、ty、types-*setup.pyquality运行 linterruff 等setup.pyall/dev上述testingqualitytyping的合集面向贡献者setup.py官方文档将其归纳为三类用途cli更便捷的huggingface_hubCLI 接口fastai、torch运行框架特定功能所需dev为库做贡献时需要内部包含testing跑测试、typing跑类型检查器、quality跑 linter。其中torch与fastai直接服务于框架相关功能例如基于 PyTorch 的序列化工具见src/huggingface_hub/serialization/目录testing分组在 pyproject.toml 中与 pytest 配置、测试 markerapi、transfer、inference、xet等 CI 套件对应方便开发者复现 CI 中的测试环境。提示dev等价于all即一次性安装测试、类型检查与质量检查三组依赖是最省心的贡献者安装方式pip install huggingface_hub[dev]从源码安装main 分支有些场景下直接从源码安装更有优势这样可以运行最新main版本而非最新正式发布版。例如某个 bug 在最近一次正式发布之后已被修复、但新版本尚未发布此时main分支能立刻带来修复。代价是main版本不保证时刻稳定——维护团队会努力保持main持续可用大部分问题通常在几小时到一天内解决。如果遇到问题可以在 GitHub 上开 Issue 以便更快修复。安装最新main分支pip install githttps://github.com/huggingface/huggingface_hub也可以指定某个具体分支用于测试尚未合并的新功能或新修复pip install githttps://github.com/huggingface/huggingface_hubmy-feature-branch安装完成后同样建议执行安装验证。可编辑安装开发模式如果你打算为huggingface_hub贡献代码并需要实时测试自己的改动可在源码安装的基础上启用 可编辑安装。这种高级安装方式要求先在本地克隆一份仓库副本# 第一步在本地克隆仓库 git clone https://github.com/huggingface/huggingface_hub.git # 第二步使用 -e 标志安装 cd huggingface_hub pip install -e .这两条命令会把克隆下来的仓库目录与 Python 的库搜索路径关联起来此后 Python 除了常规库路径例如.venv/lib/python3.13/site-packages/之外也会搜索你克隆的huggingface_hub/目录。也就是说你对源码的任何修改都会立即反映到导入结果中无需重复安装。结合当前仓库结构看这种模式尤其适合研究 hf_api.pyHub 核心 API、file_download.py文件下载、hf_file_system.pyhf://文件系统等模块的实现——改动后运行tests/下的对应测试如test_hf_api.py、test_file_download.py即可快速验证。用 conda 安装如果你习惯使用 conda也可以通过 conda-forge 频道 安装conda install -c conda-forge huggingface_hubconda 会一并解析依赖树中的二进制依赖如编译型组件适合在 Anaconda/Miniconda 管理的数据科学环境中使用。安装完成后同样建议执行下面的安装验证。安装验证安装完成后用下面这条命令验证huggingface_hub是否正常工作python -c from huggingface_hub import model_info; print(model_info(gpt2))该命令会从 Hub 拉取 gpt2 模型的信息。成功时的输出类似Model Name: gpt2 Tags: [pytorch, tf, jax, tflite, rust, safetensors, gpt2, text-generation, en, doi:10.57967/hf/0039, transformers, exbert, license:mit, has_space] Task: text-generation如果输出报错如ModuleNotFoundError: No module named huggingface_hub通常说明当前激活的 Python 环境与你安装包的环境不一致可回到虚拟环境激活步骤排查。补充说明model_info的底层行为它定义于 hf_api.py是HfApi类的方法内部会请求{endpoint}/api/models/{repo_id}默认 endpoint 由 constants.py 中的HF_ENDPOINT环境变量决定缺省为https://huggingface.co返回一个ModelInfo数据对象。它支持revision、files_metadata、expand等参数并且可以传入token访问私有模型。这一验证命令实际覆盖了「安装成功 网络可达 API 客户端可用」三层检查。此外也可以直接打印版本号确认安装版本python -c import huggingface_hub; print(huggingface_hub.__version__)当前仓库的版本定义位于 src/huggingface_hub/init.py可在安装后与你预期的版本对照。Windows 平台限制与处理huggingface_hub 的定位是跨平台库尤其保证 Unix 系与 Windows 都能正常使用。但在 Windows 上仍有少数已知限制官方文档列出了如下两条遇到文档未覆盖的问题可以在 GitHub 上开 Issue 反馈。1. 缓存系统依赖符号链接huggingface_hub的缓存系统为了高效缓存从 Hub 下载的文件依赖符号链接symlink技术。在 Windows 上必须开启开发者模式或以管理员权限运行脚本才能启用符号链接未启用时缓存系统仍能工作但会退化为非优化模式。具体来说无符号链接时库会把文件直接存放到snapshots/目录而不是通过blobs/目录 符号链接的方式去重导致同一仓库多个版本之间的相同文件可能被重复下载详见 缓存管理指南中的「제한사항」小节。若无法启用符号链接库会打印一条警告提示你正在使用缓存系统的降级版本可通过设置环境变量HF_HUB_DISABLE_SYMLINKS_WARNINGtrue关闭该警告。从源码侧看缓存目录的定位逻辑在 constants.py默认缓存根目录是$HF_HOME/hub其中HF_HOME默认取~/.cache/huggingfaceLinux/macOS或对应平台用户目录并可通过HF_HOME、HF_HUB_CACHE环境变量自定义。Windows 用户若希望绕过符号链接的坑也可以直接将缓存目录指到性能更好的磁盘例如set HF_HUB_CACHED:\hf-cache2. 文件名中的特殊字符Hub 上的文件路径允许包含特殊字符例如path/to?/my/file。Windows 对文件名特殊字符的限制比 Unix 严格因此在极端情况下希望这类情况很少发生这些文件在 Windows 上无法下载。若你判断该文件名是误写请联系仓库所有者或联系维护团队共同寻找解决方案。下一步huggingface_hub正确安装到机器上之后可以着手两件事配置环境变量例如 tokenHF_TOKEN、endpointHF_ENDPOINT、缓存目录HF_HOME/HF_HUB_CACHE等详见 환경 변수 설정 문서浏览官方指南从 가이드 개요 入手选择下载模型、上传文件、管理缓存、推理调用等主题继续深入。至此你的环境已经具备完整的 huggingface_hub 能力无论是pip、conda的常规安装还是面向贡献的源码/可编辑安装都能按需选择一条model_info(gpt2)命令即可确认一切就绪。赞分享开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载相关推荐huggingface_hub 安装指南Python 环境、pip/conda 与源码安装的完整实战huggingface_hub 安装指南Python 环境、pip/conda 与源码安装的完整实战 huggingface_hub 是 Hugging Fa开发工具CLI机器学习VizTracer 安装指南pip/conda/源码三种安装方式与 orjson 加速配置VizTracer 安装指南pip/conda/源码三种安装方式与 orjson 加速配置 VizTracer 是一个用于追踪并可视化 Python 代码执行开发工具可观测性huggingface_hub 安装指南Python 3.10 环境下 pip、conda 与源码安装全攻略huggingface_hub 安装指南Python 3.10 环境下 pip、conda 与源码安装全攻略 本指南完整讲解官方 Python 客户端 hu开发工具CLI机器学习上一篇Obsidian Homepage打造你的专属知识管理中心告别千篇一律的启动界面下一篇Harepacker-resurrected如何用这款全能工具彻底改变你的《冒险岛》游戏体验创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考