Skip to main content
Open In ColabOpen on GitHub

Huggingface 端点

Hugging Face Hub 是一个拥有超过 12 万个模型、2 万个数据集和 5 万个演示应用（Spaces）的平台，所有资源均为开源并公开可用，提供在线协作环境，方便人们共同参与和构建机器学习项目。

The Hugging Face Hub 还提供了各种端点来构建机器学习应用。 本示例展示了如何连接到不同类型的端点。

特别是，文本生成推理由文本生成推理驱动：一个用Rust、Python和gRPC构建的自定义服务器，用于极快的文本生成推理。

from langchain_huggingface import HuggingFaceEndpoint

安装与设置

使用前，您应该已安装huggingface_hub Python 包。

%pip install --upgrade --quiet huggingface_hub
# get a token: https://huggingface.co/docs/api-inference/quicktour#get-your-api-token

from getpass import getpass

HUGGINGFACEHUB_API_TOKEN = getpass()
import os

os.environ["HUGGINGFACEHUB_API_TOKEN"] = HUGGINGFACEHUB_API_TOKEN

准备示例​

from langchain_huggingface import HuggingFaceEndpoint
from langchain.chains import LLMChain
from langchain_core.prompts import PromptTemplate
question = "Who won the FIFA World Cup in the year 1994? "

template = """Question: {question}

Answer: Let's think step by step."""

prompt = PromptTemplate.from_template(template)

示例​

这里是访问免费的 无服务器端点 API 的 HuggingFaceEndpoint 集成示例。

repo_id = "mistralai/Mistral-7B-Instruct-v0.2"

llm = HuggingFaceEndpoint(
    repo_id=repo_id,
    max_length=128,
    temperature=0.5,
    huggingfacehub_api_token=HUGGINGFACEHUB_API_TOKEN,
)
llm_chain = prompt | llm
print(llm_chain.invoke({"question": question}))

专用端点​

免费的无服务器API让您能够快速实现解决方案并立即进行迭代，但由于负载与其他请求共享，对于高频率使用场景可能会受到速率限制。

对于企业级工作负载，最佳选择是使用推理端点 - 专用。 这可以访问完全托管的基础设施，提供更高的灵活性和速度。这些资源配备持续支持和正常运行时间保证，以及自动扩展等选项。

# Set the url to your Inference Endpoint below
your_endpoint_url = "https://fayjubiy2xqn36z0.us-east-1.aws.endpoints.huggingface.cloud"
llm = HuggingFaceEndpoint(
    endpoint_url=f"{your_endpoint_url}",
    max_new_tokens=512,
    top_k=10,
    top_p=0.95,
    typical_p=0.95,
    temperature=0.01,
    repetition_penalty=1.03,
)
llm("What did foo say about bar?")

流式传输​

from langchain_core.callbacks import StreamingStdOutCallbackHandler
from langchain_huggingface import HuggingFaceEndpoint

llm = HuggingFaceEndpoint(
    endpoint_url=f"{your_endpoint_url}",
    max_new_tokens=512,
    top_k=10,
    top_p=0.95,
    typical_p=0.95,
    temperature=0.01,
    repetition_penalty=1.03,
    streaming=True,
)
llm("What did foo say about bar?", callbacks=[StreamingStdOutCallbackHandler()])

这个相同的 HuggingFaceEndpoint 类可以与本地的 HuggingFace TGI 实例 一起使用，以提供大语言模型服务。有关各种硬件（GPU、TPU、Gaudi 等）支持的详细信息，请查看 TGI 代码仓库。