Hub documentation
TF-Keras(レガシー)
シングルサインオン(SSO) 監査ログ ストレージリージョン プライベートデータセット用の Data Studio リソースグループ(アクセス制御) 高度な計算オプション 高度なセキュリティ トークン管理 サービスアカウント パブリッシャー分析 ゲーティンググループコレクション ネットワークセキュリティ ダウンロード分析 レート制限 ブログ記事
PRO Plan リポジトリ リポジトリの入門 リポジトリ設定 ストレージの制限 ストレージバックエンド (Xet) ローカルキャッシュ Pull Requests と Discussions 通知 コレクション Webhooks GitHub Actions ノートブック 次のステップ ライセンス
モデル モデルハブ モデルカード 評価結果 リーダーボードデータ ゲート付きモデル モデルのアップロード モデルのダウンロード 統合ライブラリ
データセット アダプター AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras(レガシー) ML-Agents mlx-image MLX OpenCLIP PaddleNLP peft RL-Baselines3-Zoo Sample Factory Sentence Transformers SetFit spaCy SpanMarker SpeechBrain Stable-Baselines3 Stanza TensorBoard timm Transformers Transformers.js Unity Sentis
モデルウィジェット モデル推論 モデルのダウンロード統計 モデルリリースチェックリスト ハードウェア ローカルアプリ よくある質問 高度なトピック Datasetsの概要 Dataset Cards Gated Datasets Datasets のアップロード データセットのアップロード(LLM用) データのダウンロード ストリーミングデータセット 統合ライブラリ Data Studio エージェントのトレース Datasets ダウンロード統計
Spaces Spaces 概要 Spaces GPU アップグレード Spaces ZeroGPU Spaces Dev Mode Spaces ディスク使用量とストレージ Spaces カスタムドメイン SpacesをMCPサーバーとして Spacesをエージェントツールとして Spaces を API エンドポイントとして利用する Gradio Spaces Streamlit Spaces 静的 HTML Spaces Docker Spaces Space を埋め込む Docker で Spaces を実行する Spaces 設定リファレンス HFでサインイン 注目のスペース Spaces 変更履歴 高度なトピック
ストレージバケット new コンテナイメージ new ジョブ ジョブの概要 クイックスタート 料金と請求 ジョブの管理 設定 Dockerイメージの使用 モデルのサービング モデルの学習 例とチュートリアル 大規模なデータセットの処理 ジョブのスケジュール設定 Webhook 自動化 リファレンス
エージェント エージェントの概要 AIエージェント向けHugging Face CLI Hugging Face MCP Server Hugging Face Agent Skills HF SDK を用いたエージェントの構築 llama.cppによるローカルエージェント エージェントライブラリ セッショントレース形式
その他 TF-Keras(レガシー)
tf-keras は Keras 2.x バージョンに付けられた名称です。現在は こちら の独立した GitHub リポジトリとしてホストされています。レガシーなフレームワークですが、Hub には依然として 4,500 以上のモデル がホストされています。これらのモデルは huggingface_hub ライブラリを使用して読み込むことができます。お使いの環境には tf-keras または keras<3.x のいずれかがインストールされていることが必須です。
Keras 3.x のサポートにご興味がある場合は、このガイドをご覧ください。
インストールが完了したら、from_pretrained_keras メソッドを使用して Hub からモデルを読み込むだけです。from_pretrained_keras については、こちらをご覧ください。
from huggingface_hub import from_pretrained_keras
model = from_pretrained_keras("keras-io/mobile-vit-xxs")
prediction = model.predict(image)
prediction = tf.squeeze(tf.round(prediction))
print(f'The image is a {classes[(np.argmax(prediction))]}!')
<CopyLLMTxtMenu containerStyle="float: inline-end; margin-inline-start: 10px; display: inline-flex; position: relative; z-index: 10;"></CopyLLMTxtMenu>
# The image is a sunflower!tf-kerasモデルをHubにホストすることもできます。ただし、tf-kerasはレガシーなフレームワークである点にご注意ください。より多くのユーザーにリーチするためには、Keras 3.xを使用してモデルを作成し、上記のようにネイティブで共有することをお勧めします。tf-kerasモデルのアップロードに関する詳細については、push_to_hub_kerasのドキュメントを参照してください。
from huggingface_hub import push_to_hub_keras
push_to_hub_keras(model,
"your-username/your-model-name",
"your-tensorboard-log-directory",
tags = ["object-detection", "some_other_tag"],
**model_save_kwargs,
)追加のリソース
- ブログ記事 Kerasを🤗 Hubに載せて協調学習と再現性を高める(2022年4月)