一、Hugging Face 是什么？

Hugging Face 是 AI 领域的开源社区和平台，集模型库、数据集、协作工具和社区于一体，可以看作是“AI 界的 GitHub”。它通过提供标准化的工具链（如 Transformers、Diffusers 等 Python 库），极大地简化了模型的下载、加载、训练和部署流程，降低了 AI 技术的使用门槛。

二、核心模块概览

Hugging Face 平台主要包含三大核心板块：

1. Models（模型中心）：这是 Hugging Face 的核心模块，提供了超过 150 万个模型，涵盖自然语言处理、计算机视觉、音频处理、多模态等任务。你可以按任务类型、技术框架、语言等维度筛选查找模型，大部分模型支持在线测试和查看源代码。
2. Datasets（数据集中心）：汇集了大量用于各种 AI 任务的高质量数据集，是模型训练和微调的“数据粮仓”。你可以轻松找到文本翻译、对话、数学推理、代码生成等各类数据集。
3. Spaces（AI 应用空间）：这里汇集了大量基于 Hugging Face 模型的交互式 AI 应用 Demo，用户无需配置环境即可在线体验各种 AI 应用，也是寻找灵感和学习二次开发的好地方。

三、环境安装

1、安装huggingface和transformers库

pip install -U tranformers huggingface_hub

2、配置国内镜像站（能科学上网，请省略）

（1）windows系统

• 按 Win + R 输入 sysdm.cpl → 打开「系统属性」→「高级」→「环境变量」

• 新建系统变量：

  • 变量名：HF_ENDPOINT
  • 变量值：https://hf-mirror.com

• 保存后重启终端或 IDE（如VSCode/PyCharm）

• 在cmd中验证是否生效：

echo %HF_ENDPOINT%  # 应输出 https://hf-mirror.com

（2）Ubuntu系统

设置系统变量：

echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc
echo 'export HF_HUB_ENABLE_HF_TRANSFER=1' >> ~/.bashrc
source ~/.bashrc

设置完成后仍不能访问，请点击此处查看详细教程。

四、示例程序

使用huggingface默认模型，进行情感分类。示例程序：

from transformers import pipeline

# 仅指定任务时，使用默认模型（不推荐）
pipe = pipeline(task = "sentiment-analysis") # 
print(pipe("今儿上海可真冷啊"))

注意：未指定模型，huggingface默认使用distilbert-base-uncased-finetuned-sst-2-english模型。第一运行该程序时，程序会将模型下载到本地，速度相对比较慢。下载完成后，模型会调用本地的资源进行计算。

输出：

No model was supplied, defaulted to distilbert/distilbert-base-uncased-finetuned-sst-2-english and revision 714eb0f (https://hf-mirror.com/distilbert/distilbert-base-uncased-finetuned-sst-2-english).
Using a pipeline without specifying a model name and revision in production is not recommended.
Device set to use cuda:0

[{'label': 'NEGATIVE', 'score': 0.8957214951515198}]