Hugging Face je zelo priljubljena AI skupnost z bogatimi podatki in odprtokodnimi modeli. Različni proizvajalci preko Hugging Face objavljajo odprtokodne LLM in SLM modele, kot so Microsoft, Meta, Mistral, Apple, Google itd.
Microsoft Phi Family je že na voljo na Hugging Face. Razvijalci lahko prenesejo ustrezne modele družine Phi glede na scenarije in poslovne potrebe. Poleg nameščanja Phi Pytorch modelov na Hugging Face smo izdali tudi kvantizirane modele v formatih GGUF in ONNX, da končnim uporabnikom ponudimo več možnosti.
Model družine Phi lahko prenesete preko te povezave
Microsoft modeli na Hugging Face
-
Phi-1 / 1.5 https://huggingface.co/collections/microsoft/phi-1-6626e29134744e94e222d572
-
Phi-3 / 3.5 https://huggingface.co/collections/microsoft/phi-3-6626e15e9585a200d2d761e3
-
Phi-4 https://huggingface.co/collections/microsoft/phi-4-677e9380e514feb5577a40e4
-
Phi-4-reasoning https://huggingface.co/microsoft/Phi-4-reasoning
-
Phi-4-reasoning Plus https://huggingface.co/microsoft/Phi-4-reasoning-plus
-
Phi-4-mini-reasoning https://huggingface.co/microsoft/Phi-4-mini-reasoning
Model lahko prenesete na različne načine, na primer z namestitvijo Hugging Face CLI SDK ali z uporabo git clone.
- Namestite Hugging Face CLI
pip install -U "huggingface_hub[cli]"
- Prijava v Hugging Face preko huggingface-cli
Prijavite se v Hugging Face z User Access Token iz vaše nastavitvene strani
huggingface-cli login --token $HF_TOKEN --add-to-git-credential
- Prenos
Model lahko prenesete in shranite v predpomnilnik
huggingface-cli download microsoft/phi-4
Lahko določite tudi svojo lokacijo za shranjevanje
huggingface-cli download microsoft/phi-4 --local-dir $YOUR_PATH
Model lahko prenesete tudi z uporabo git clone
git lfs install
git clone https://huggingface.co/microsoft/phi-4
- Namestitev knjižnice transformers
pip install transformers -U
- Zagon te kode v VSCode
import transformers
pipeline = transformers.pipeline(
"text-generation",
model="microsoft/phi-4",
model_kwargs={"torch_dtype": "auto"},
device_map="auto",
)
messages = [
{"role": "user", "content": "I have $20,000 in my savings account, where I receive a 4% profit per year and payments twice a year. Can you please tell me how long it will take for me to become a millionaire? Also, can you please explain the math step by step as if you were explaining it to an uneducated person?"},
]
outputs = pipeline(messages, max_new_tokens=2048)
print(outputs[0]["generated_text"][-1])Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za avtomatski prevod AI Co-op Translator. Čeprav si prizadevamo za natančnost, vas opozarjamo, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku velja za avtoritativni vir. Za pomembne informacije priporočamo strokovni človeški prevod. Za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda, ne odgovarjamo.