Skills Hugging Face

เพิ่มคำอธิบายสำหรับโมเดลใหม่จาก HuggingFace router ไปยังการกำหนดค่า chat-ui ใช้เมื่อมีโมเดลใหม่ถูกปล่อยบน router และต้องการคำอธิบาย…

แก้ไขการตรวจสอบประเภทที่เสียหายซึ่งตรวจพบโดย ty, make typing หรือ make check-repo ใช้เมื่อมีข้อผิดพลาดด้านประเภทปรากฏในการรันในเครื่อง, CI หรือบันทึก PR

ให้คำแนะนำในการเขียนและวัดประสิทธิภาพของเคอร์เนล CUDA ที่ปรับให้เหมาะสมสำหรับ GPU ของ NVIDIA (H100, A100, T4) ที่กำหนดเป้าหมายไปที่ HuggingFace diffusers และ transformers…

สร้างเว็บ UI และเดโม่ของ Gradio ด้วย Python ใช้เมื่อสร้างหรือแก้ไขแอป Gradio, คอมโพเนนต์, ตัวฟังเหตุการณ์, เลย์เอาต์ หรือแชทบอท

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing models, datasets, spaces, buckets, repos, papers, jobs, and more on the Hugging Face Hub.…

ใช้ Hugging Face Hub ผ่านเครื่องมือเซิร์ฟเวอร์ MCP ค้นหาโมเดล ชุดข้อมูล Spaces เอกสารวิจัย รับรายละเอียด repo ดึงเอกสารประกอบ เรียกใช้งาน compute และใช้ Gradio…

สร้างบันทึกการเผยแพร่ Hugging Face Hub (huggingface_hub) จากไฟล์ JSON ของ PR ที่แคชไว้ ใช้เมื่อถูกขอให้ร่างบันทึกการเผยแพร่จากไฟล์ PR

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.

สร้างและจัดการชุดข้อมูลบน Hugging Face Hub รองรับการเริ่มต้นพื้นที่เก็บข้อมูล การกำหนดคอนฟิก/พรอมต์ระบบ การสตรีมอัปเดตแถว และการค้นหา/แปลงชุดข้อมูลด้วย SQL ออกแบบมาให้ทำงานร่วมกับเซิร์ฟเวอร์ HF MCP สำหรับเวิร์กโฟลว์ชุดข้อมูลที่ครอบคลุม

เพิ่มและจัดการผลการประเมินในการ์ดโมเดลของ Hugging Face รองรับการดึงตารางประเมินจากเนื้อหา README การนำเข้าคะแนนจาก Artificial Analysis API และการรันการประเมินโมเดลแบบกำหนดเองด้วย vLLM/lighteval ทำงานร่วมกับรูปแบบ metadata model-index

รันเวิร์กโหลดใดๆ บนโครงสร้างพื้นฐานของ Hugging Face Jobs ครอบคลุม UV scripts, งานที่ใช้ Docker, การเลือกฮาร์ดแวร์, การประมาณค่าใช้จ่าย, การยืนยันตัวตนด้วยโทเค็น, การจัดการความลับ, การกำหนดค่าไทม์เอาต์ และการคงอยู่ของผลลัพธ์ ออกแบบมาสำหรับเวิร์กโหลดคอมพิวต์ทั่วไป รวมถึงการประมวลผลข้อมูล, การอนุมาน, การทดลอง, งานแบบแบตช์ และงานที่ใช้ Python ใดๆ

ฝึกหรือปรับแต่งโมเดลภาษาโดยใช้ TRL (Transformer Reinforcement Learning) บนโครงสร้างพื้นฐานของ Hugging Face Jobs ครอบคลุมวิธีการฝึกอบรม SFT, DPO, GRPO และการสร้างแบบจำลองรางวัล รวมถึงการแปลงเป็น GGUF สำหรับการปรับใช้ในเครื่องท้องถิ่น มีคำแนะนำเกี่ยวกับการเตรียมชุดข้อมูล การเลือกฮาร์ดแวร์ การประมาณค่าใช้จ่าย และการคงอยู่ของโมเดล

เผยแพร่และจัดการเอกสารวิจัยบน Hugging Face Hub รองรับการสร้างหน้าเอกสาร การเชื่อมโยงเอกสารกับโมเดล/ชุดข้อมูล การอ้างสิทธิ์การเป็นผู้เขียน และการสร้างบทความวิจัยแบบมาร์กดาวน์ระดับมืออาชีพ

สร้างสคริปต์และเครื่องมือที่สามารถนำกลับมาใช้ใหม่ได้โดยใช้ Hugging Face API มีประโยชน์เมื่อต้องการเชื่อมต่อหรือรวมการเรียก API หรือเมื่อต้องทำงานซ้ำๆ/อัตโนมัติ สร้างสคริปต์บรรทัดคำสั่งที่ใช้ซ้ำได้เพื่อดึงข้อมูล เพิ่มข้อมูล หรือประมวลผลข้อมูลจาก Hugging Face Hub

ติดตามและแสดงผลการทดลองฝึก ML ด้วย Trackio ใช้เมื่อบันทึกเมตริกระหว่างการฝึก (Python API) หรือดึง/วิเคราะห์เมตริกที่บันทึกไว้ (CLI) รองรับการแสดงผลแดชบอร์ดแบบเรียลไทม์ การซิงค์กับ HF Space และเอาต์พุต JSON สำหรับระบบอัตโนมัติ

ใช้ทักษะนี้สำหรับเวิร์กโฟลว์ Hugging Face Dataset Viewer API ที่ดึงข้อมูลเมตาของ subset/split, แบ่งหน้าแถว, ค้นหาข้อความ, ใช้ตัวกรอง, ดาวน์โหลด parquet…

ฝึกและปรับแต่งโมเดลตรวจจับวัตถุ (D-FINE, RT-DETR v2, DETR, YOLOS) โดยใช้ Hugging Face Transformers บนคลาวด์ GPU ของ Hugging Face Jobs ครอบคลุม...

ค้นหาและอ่านหน้ากระดาษของ Hugging Face ในรูปแบบมาร์กดาวน์ และใช้ API ของกระดาษเพื่อรับข้อมูลเมตาที่มีโครงสร้าง เช่น ผู้เขียน โมเดล/ชุดข้อมูล/พื้นที่ที่เชื่อมโยง GitHub…

ฝึกและปรับแต่งโมเดลวิทัศน์สำหรับการตรวจจับวัตถุ (D-FINE, RT-DETR v2, DETR, YOLOS), การจำแนกภาพ (โมเดล timm — MobileNetV3, MobileViT, ResNet,…

ค้นหาโมเดลที่ดีที่สุดสำหรับงานที่กำหนด โดยการสอบถามข้อมูลจากกระดานผู้นำการวัดประสิทธิภาพอย่างเป็นทางการของ HF เสริมผลลัพธ์ด้วยข้อมูลขนาดโมเดล กรองให้เหลือเฉพาะที่เหมาะสมกับอุปกรณ์ของผู้ใช้ และส่งคืนตารางเปรียบเทียบพร้อมคะแนนการวัดประสิทธิภาพ

ดำเนินการประเมินสำหรับโมเดล Hugging Face Hub โดยใช้ inspect-ai และ lighteval บนฮาร์ดแวร์ภายในเครื่อง ใช้สำหรับการเลือกแบ็กเอนด์ การประเมิน GPU ในเครื่อง และการเลือกระหว่าง…

ใช้ทักษะนี้สำหรับเวิร์กโฟลว์ Hugging Face Dataset Viewer API ที่ดึงข้อมูลเมตาของ subset/split, แบ่งหน้าแถว, ค้นหาข้อความ, ใช้ตัวกรอง, ดาวน์โหลด parquet…

สร้างเว็บ UI และเดโม่ของ Gradio ด้วย Python ใช้เมื่อสร้างหรือแก้ไขแอป Gradio, คอมโพเนนต์, ตัวฟังเหตุการณ์, เลย์เอาต์ หรือแชทบอท

This skill should be used when users want to run any workload on Hugging Face Jobs infrastructure. Covers UV scripts, Docker-based jobs, hardware selection,…

ฝึกหรือปรับแต่งโมเดลภาษาและวิทัศน์โดยใช้ TRL (Transformer Reinforcement Learning) หรือ Unsloth กับโครงสร้างพื้นฐานของ Hugging Face Jobs ครอบคลุม SFT, DPO,…

ใช้เพื่อเลือกโมเดลที่รันในเครื่องด้วย llama.cpp และ GGUF บน CPU, Mac Metal, CUDA หรือ ROCm ครอบคลุมการค้นหา GGUF การเลือกควอนไทเซชัน การรันเซิร์ฟเวอร์ รายละเอียดที่แน่นอน…

เผยแพร่และจัดการเอกสารวิจัยบน Hugging Face Hub รองรับการสร้างหน้าเอกสาร การเชื่อมโยงเอกสารกับโมเดล/ชุดข้อมูล การอ้างสิทธิ์การเป็นผู้เขียน และการสร้าง…

ค้นหาและอ่านหน้าเอกสารของ Hugging Face ในรูปแบบมาร์กดาวน์ และใช้ API ของเอกสารเพื่อดึงข้อมูลเมตาที่มีโครงสร้าง เช่น ผู้เขียน โมเดล/ชุดข้อมูล/พื้นที่ที่เชื่อมโยง GitHub…

ใช้ทักษะนี้เมื่อผู้ใช้ต้องการสร้างเครื่องมือ/สคริปต์ หรือทำงานที่การใช้ข้อมูลจาก Hugging Face API จะช่วยได้ โดยเฉพาะอย่างยิ่งมีประโยชน์เมื่อ...

ติดตามและแสดงผลการทดลองฝึก ML ด้วย Trackio ใช้เมื่อบันทึกเมตริกระหว่างการฝึก (Python API) ส่งการแจ้งเตือนสำหรับการวินิจฉัยการฝึก หรือ…

ฝึกและปรับแต่งโมเดลวิทัศน์สำหรับการตรวจจับวัตถุ (D-FINE, RT-DETR v2, DETR, YOLOS), การจำแนกภาพ (โมเดล timm — MobileNetV3, MobileViT, ResNet,…

เริ่มต้นและทดสอบเซิร์ฟเวอร์ inference prime-rl ใช้เมื่อถูกขอให้รัน inference, เริ่ม vLLM, ทดสอบโมเดล หรือเปิดเซิร์ฟเวอร์ inference

ให้คำแนะนำในการเขียนและวัดประสิทธิภาพของเคอร์เนล Triton ที่ปรับแต่งสำหรับ GPU ของ AMD (MI355X, R9700) บน ROCm โดยมุ่งเป้าไปที่ HuggingFace diffusers (LTX-Video, SD3,…)

วิธีการเขียนและใช้ไฟล์กำหนดค่า TOML ใน prime-rl ใช้เมื่อสร้างไฟล์กำหนดค่า รันคำสั่งพร้อมไฟล์กำหนดค่า หรือแทนที่ค่ากำหนดค่าผ่าน CLI

Train or fine-tune sentence-transformers models across `SentenceTransformer` (bi-encoder; dense or static embedding model; for retrieval, similarity,…

ใช้ Transformers.js เพื่อรันโมเดลแมชชีนเลิร์นนิงที่ทันสมัยโดยตรงใน JavaScript/TypeScript รองรับ NLP (การจำแนกข้อความ, การแปล, …)

ฝึกและปรับแต่งโมเดลภาษาทรานส์ฟอร์มเมอร์โดยใช้ TRL (Transformers Reinforcement Learning) รองรับการฝึก SFT, DPO, GRPO, KTO, RLOO และ Reward Model…