installation

par huggingface

Comment installer prime-rl et ses dépendances optionnelles. À utiliser lors de la configuration du projet, de l'installation d'extras comme deep-gemm pour les modèles FP8, ou du dépannage…

npx skills add https://github.com/huggingface/prime-rl --skill installation

Télécharger ZIP GitHub

Installation

Basic install

uv sync

This installs all core dependencies defined in pyproject.toml.

All extras at once

The recommended way to install for most users:

uv sync --all-extras

This installs all optional extras (flash-attn, flash-attn-cute, etc.) in one go.

FP8 inference with deep-gemm

For certain models like GLM-5-FP8, you need deep-gemm. Install it via the fp8-inference dependency group:

uv sync --group fp8-inference

This installs the pre-built deep-gemm wheel. No CUDA build step is needed.

Dev dependencies

uv sync --group dev

Installs pytest, ruff, pre-commit, and other development tools.

Key files

pyproject.toml — all dependencies, extras, and dependency groups
uv.lock — pinned lockfile (update with uv sync --all-extras)

Plus de skills de huggingface

Synchroniser la configuration des modèles de chat-ui avec le routeur HuggingFace — ajouter des descriptions pour les nouveaux modèles, marquer ceux capables de raisonnement, activer les artefacts pour les modèles de 32B+…

Use when the user has written (or wants to write) a `ModularPipelineBlocks` subclass in a local Python file and needs to package it into a Hub-uploadable…

Use before opening a PR, or whenever asked to self-review a diffusers contribution. Applies the same rubric as the `@claude` CI (checks the diff against…

hf-cloud-sagemaker-production-defaults

Créer un endpoint SageMaker (en temps réel ou asynchrone) avec mise à l’échelle automatique, alarmes CloudWatch et balisage activés par défaut. Utilisez cette compétence chaque fois que vous êtes sur le point de créer un…

hf-cloud-serving-image-selection

Choisir le bon conteneur de service pour un déploiement de modèle SageMaker et trouver son URI d’image actuelle. Utilisez cette compétence lorsque vous êtes sur le point de déployer un modèle vers un…

Hugging Face Cli

Execute Hugging Face Hub operations using the `hf` CLI. Use when the user needs to download models/datasets/spaces, upload files to Hub repositories, create repos, manage local cache, or run compute jobs on HF infrastructure. Covers authentication, file transfers, repository creation, cache operations, and cloud compute.

Hugging Face Datasets

Créer et gérer des ensembles de données sur Hugging Face Hub. Prend en charge l'initialisation de dépôts, la définition de configurations/invites système, la mise à jour en continu des lignes, et l'interrogation/transformation d'ensembles de données basée sur SQL. Conçu pour fonctionner avec le serveur HF MCP pour des workflows complets sur les ensembles de données.

Hugging Face Evaluation

Ajouter et gérer les résultats d'évaluation dans les fiches de modèles Hugging Face. Prend en charge l'extraction de tableaux d'évaluation à partir du contenu README, l'importation de scores depuis l'API Artificial Analysis, et l'exécution d'évaluations personnalisées de modèles avec vLLM/lighteval. Fonctionne avec le format de métadonnées model-index.