开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载本指南以官方文档 docs/source/fr/installation.md 为骨架系统讲解huggingface_hubHugging Face Hub 的官方 Python 客户端与 CLI的完整安装流程。你将掌握虚拟环境准备、pip / conda / 源码 / 可编辑editable四种安装方式、可选依赖的选择依据以及安装后的功能验证方法与 Windows 平台已知限制从而为后续下载模型、上传仓库、调用 Inference 服务打下可靠的环境基础。环境要求Python 3.10在开始安装之前需要先确认本机的 Python 版本满足要求huggingface_hub官方测试环境为Python 3.10。这一要求在项目打包配置中同样明确写死——setup.py 中的python_requires3.10.0会在 pip 解析依赖阶段直接拦截过低版本的 Python从构建层面保证安装环境的有效性。另外需要注意huggingface_hub的主代码位于src/huggingface_hub/目录即 src 布局运行时依赖包含click、filelock、fsspec、httpx2、packaging、pyyaml、tqdm、typing-extensions等核心库见 setup.py这些基础依赖会在 pip 安装时自动解析下载无需手动处理。使用 pip 安装推荐官方强烈建议将huggingface_hub安装在一个Python 虚拟环境virtual environment中。虚拟环境可以让不同项目之间的依赖相互隔离避免版本冲突——尤其是当你在同一个机器上同时维护多个 ML 项目时这一点非常关键。1. 创建虚拟环境在项目目录下执行python -m venv .venv2. 激活虚拟环境Linux 与 macOSsource .venv/bin/activateWindows.venv\Scripts\activate3. 安装 huggingface_hub从 PyPI 官方镜像安装--upgrade确保获取最新稳定版本同时会覆盖系统中可能存在的旧版本pip install --upgrade huggingface_hub安装完成后可以跳到下文 安装验证 一节确认一切正常。安装可选依赖按需扩展功能huggingface_hub的部分依赖是可选的optional dependencies——它们并非运行核心功能所必需但缺少它们时某些扩展功能将不可用。可以通过 pip 的 extras 语法一次安装多个可选组# 同时安装 MCP 与 PyTorch 相关的扩展依赖 pip install huggingface_hub[mcp,torch]这些 extras 在 setup.py 中有完整定义主要包括可选组用途具体内容依据 setup.pymcpMCPModel Context Protocol相关功能mcp1.9.4, 2.0.0fastaifastai 框架特定功能toml、fastai2.4、fastcore1.3.27torchPyTorch 框架特定功能torch、safetensors[torch]hf_xet启用 Xet 高性能传输后端hf-xet1.6.0,2.0.0oauthOAuth 设备登录相关功能authlib、fastapi、itsdangerousgradioGradio 集成gradio5.0.0、requestsdev参与库开发即all聚合testing、quality、typing三组其中dev组是面向贡献者的完整开发依赖内部又分为testing运行测试所需pytest、pytest-cov、pytest-xdist、pytest-vcr、pytest-asyncio、pytest-rerunfailures、jedi、Jinja2等见 setup.pytyping类型检查所需typing-extensions、types-PyYAML、types-tqdm等quality代码质量检查所需ruff、mypy、libcst、ty。项目的测试配置集中在 pyproject.toml其中定义了api、transfer、inference、xet、production、deprecated、git_lfs等 pytest marker并预设了DISABLE_SYMLINKS_IN_WINDOWS_TESTS1、HUGGINGFACE_CO_STAGING1等测试环境变量——如果你要参与开发安装dev组后即可直接运行这些测试套件。从源码安装尝鲜 main 分支在某些场景下你可能希望直接安装源码而不是稳定发布版你想使用main分支上尚未正式发布的最新更新例如某个 bug 在上一个正式版本发布后已被修复但新版本尚未推出你想测试一个尚未合并的新功能或 bug-fix。直接从 GitHub 源码安装pip install githttps://github.com/huggingface/huggingface_hub指定分支安装例如测试某个尚未合并的功能分支pip install githttps://github.com/huggingface/huggingface_hubmy-feature-branch需要说明的是main分支虽然团队会尽量保持可用大部分问题会在数小时到一天内解决但并不保证绝对稳定。如果遇到问题官方建议及时提交 issue 以便尽快修复。可编辑安装editable install为贡献代码而设如果你计划为huggingface_hub贡献代码需要在修改代码后快速验证效果可以使用可编辑安装。它会把克隆下来的仓库目录与 Python 库搜索路径链接起来使代码改动即时生效无需反复重装。# 1. 先将仓库克隆到本地请使用你方便的镜像/官方仓库地址 git clone huggingface_hub 仓库地址 # 2. 进入仓库目录使用 -e 标志安装 cd huggingface_hub pip install -e .安装完成后Python 会在正常的库路径之外额外搜索你克隆下来的目录。例如如果你的 Python 包通常安装在./.venv/lib/python3.13/site-packages/那么现在 Python 也会查找你克隆的./huggingface_hub/目录。当前仓库采用 src 布局代码位于src/huggingface_hub/见 setup.py可编辑安装会正确解析该布局保证import huggingface_hub指向你的工作副本。使用 conda 安装习惯使用 conda 管理环境的用户可以通过conda-forge频道安装conda install -c conda-forge huggingface_hub这种方式适合已经深度依赖 conda 生态、不希望混用 pip 与 conda 环境的场景。安装完成后同样建议执行下文的验证命令。安装验证无论采用哪种方式安装都可以通过一次简单的 API 调用来确认huggingface_hub是否正常工作。下面的命令会从 Hub 拉取gpt2模型的元信息并打印python -c from huggingface_hub import model_info; print(model_info(gpt2))输出大致如下Model Name: gpt2 Tags: [pytorch, tf, jax, tflite, rust, safetensors, gpt2, text-generation, en, doi:10.57967/hf/0039, transformers, exbert, license:mit, has_space] Task: text-generation这条命令背后调用的是HfApi.model_info方法定义于 src/huggingface_hub/hf_api.py。从源码看该方法向{endpoint}/api/models/{repo_id}发起 HTTP 请求支持revision、timeout、securityStatus、files_metadata、expand、token等可选参数——其中token默认为本地保存的访问令牌私有模型只有在登录或显式传 token 时才能查询。gpt2是可公开访问的模型因此无需认证即可返回上述元数据。如果命令成功打印出模型信息说明安装、网络连通性与 Hub API 调用链路均已打通。Windows 平台的已知限制huggingface_hub的目标是跨平台运行同时支持 Unix 系与 Windows 系统但 Windows 上存在两个已知问题需要特别注意1. 缓存系统依赖符号链接symlinkhuggingface_hub的缓存系统依赖 symlink来高效缓存从 Hub 下载的文件见 docs/source/en/guides/manage-cache.md 中的详细说明。Windows 默认可能不允许创建 symlink此时你需要开启开发者模式Developer Mode或以管理员身份运行脚本。如果 symlink 不可用缓存系统仍然可以工作但会退化为非优化模式不再使用blobs/目录去重存储而是直接把文件存入snapshots/目录导致同一仓库的多个修订版本可能重复下载同一文件、占用更多磁盘空间。此时会显示一条警告提醒你处于降级模式。也可以主动控制该行为设置环境变量HF_HUB_DISABLE_SYMLINKS1可强制使用无 symlink 缓存模式例如在共享文件系统上设置HF_HUB_DISABLE_SYMLINKS_WARNINGtrue可关闭降级警告提示。2. 特殊字符文件名Hub 上的文件名可能包含 Windows 不允许的特殊字符例如path/to?/my/file中的?。Windows 对文件名的字符集限制更严格会导致这类文件无法在 Windows 上正常下载。不过这种情况比较罕见如果你认为某个文件应当可以正常下载却失败了建议联系仓库所有者或向项目提交 issue 寻求解决方案。下一步安装完成之后安装并验证成功后可以继续深入使用配置环境变量参考 docs/source/en/package_reference/environment_variables.md了解HF_HOME、HF_TOKEN、HF_ENDPOINT等关键变量的作用尤其是 Windows 场景下用于控制 symlink 行为的两个变量阅读入门指南docs/source/en/guides/overview.md从整体上把握下载模型、上传文件、管理缓存、调用 Inference 等功能模块的使用方式项目内置了完整的测试套件见 tests 目录如果你想确认自己环境中的安装行为是否符合预期也可以在本机运行相关测试用例作为额外验证手段。赞分享开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载相关推荐huggingface_hub 安装完全指南pip、conda、源码构建与 Windows 注意事项huggingface_hub 安装完全指南pip、conda、源码构建与 Windows 注意事项 本文围绕 Hugging Face 官方 Python开发工具CLI机器学习huggingface_hub 安装完全指南pip / conda / 源码安装与验证huggingface_hub 安装完全指南pip / conda / 源码安装与验证 huggingface_hub 是 Hugging Face Hub开发工具CLI机器学习huggingface_hub 安装指南pip / conda / 源码安装与可选依赖项详解huggingface_hub 安装指南pip / conda / 源码安装与可选依赖项详解 本指南完整介绍 Hugging Face 官方 Python 客开发工具CLI机器学习上一篇3大核心技术揭秘如何用HoYo.Gacha实现专业级抽卡数据分析下一篇终极PiKVM系统镜像定制实战从零打造专属远程管理平台创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载本指南以官方文档 docs/source/fr/installation.md 为骨架系统讲解huggingface_hubHugging Face Hub 的官方 Python 客户端与 CLI的完整安装流程。你将掌握虚拟环境准备、pip / conda / 源码 / 可编辑editable四种安装方式、可选依赖的选择依据以及安装后的功能验证方法与 Windows 平台已知限制从而为后续下载模型、上传仓库、调用 Inference 服务打下可靠的环境基础。环境要求Python 3.10在开始安装之前需要先确认本机的 Python 版本满足要求huggingface_hub官方测试环境为Python 3.10。这一要求在项目打包配置中同样明确写死——setup.py 中的python_requires3.10.0会在 pip 解析依赖阶段直接拦截过低版本的 Python从构建层面保证安装环境的有效性。另外需要注意huggingface_hub的主代码位于src/huggingface_hub/目录即 src 布局运行时依赖包含click、filelock、fsspec、httpx2、packaging、pyyaml、tqdm、typing-extensions等核心库见 setup.py这些基础依赖会在 pip 安装时自动解析下载无需手动处理。使用 pip 安装推荐官方强烈建议将huggingface_hub安装在一个Python 虚拟环境virtual environment中。虚拟环境可以让不同项目之间的依赖相互隔离避免版本冲突——尤其是当你在同一个机器上同时维护多个 ML 项目时这一点非常关键。1. 创建虚拟环境在项目目录下执行python -m venv .venv2. 激活虚拟环境Linux 与 macOSsource .venv/bin/activateWindows.venv\Scripts\activate3. 安装 huggingface_hub从 PyPI 官方镜像安装--upgrade确保获取最新稳定版本同时会覆盖系统中可能存在的旧版本pip install --upgrade huggingface_hub安装完成后可以跳到下文 安装验证 一节确认一切正常。安装可选依赖按需扩展功能huggingface_hub的部分依赖是可选的optional dependencies——它们并非运行核心功能所必需但缺少它们时某些扩展功能将不可用。可以通过 pip 的 extras 语法一次安装多个可选组# 同时安装 MCP 与 PyTorch 相关的扩展依赖 pip install huggingface_hub[mcp,torch]这些 extras 在 setup.py 中有完整定义主要包括可选组用途具体内容依据 setup.pymcpMCPModel Context Protocol相关功能mcp1.9.4, 2.0.0fastaifastai 框架特定功能toml、fastai2.4、fastcore1.3.27torchPyTorch 框架特定功能torch、safetensors[torch]hf_xet启用 Xet 高性能传输后端hf-xet1.6.0,2.0.0oauthOAuth 设备登录相关功能authlib、fastapi、itsdangerousgradioGradio 集成gradio5.0.0、requestsdev参与库开发即all聚合testing、quality、typing三组其中dev组是面向贡献者的完整开发依赖内部又分为testing运行测试所需pytest、pytest-cov、pytest-xdist、pytest-vcr、pytest-asyncio、pytest-rerunfailures、jedi、Jinja2等见 setup.pytyping类型检查所需typing-extensions、types-PyYAML、types-tqdm等quality代码质量检查所需ruff、mypy、libcst、ty。项目的测试配置集中在 pyproject.toml其中定义了api、transfer、inference、xet、production、deprecated、git_lfs等 pytest marker并预设了DISABLE_SYMLINKS_IN_WINDOWS_TESTS1、HUGGINGFACE_CO_STAGING1等测试环境变量——如果你要参与开发安装dev组后即可直接运行这些测试套件。从源码安装尝鲜 main 分支在某些场景下你可能希望直接安装源码而不是稳定发布版你想使用main分支上尚未正式发布的最新更新例如某个 bug 在上一个正式版本发布后已被修复但新版本尚未推出你想测试一个尚未合并的新功能或 bug-fix。直接从 GitHub 源码安装pip install githttps://github.com/huggingface/huggingface_hub指定分支安装例如测试某个尚未合并的功能分支pip install githttps://github.com/huggingface/huggingface_hubmy-feature-branch需要说明的是main分支虽然团队会尽量保持可用大部分问题会在数小时到一天内解决但并不保证绝对稳定。如果遇到问题官方建议及时提交 issue 以便尽快修复。可编辑安装editable install为贡献代码而设如果你计划为huggingface_hub贡献代码需要在修改代码后快速验证效果可以使用可编辑安装。它会把克隆下来的仓库目录与 Python 库搜索路径链接起来使代码改动即时生效无需反复重装。# 1. 先将仓库克隆到本地请使用你方便的镜像/官方仓库地址 git clone huggingface_hub 仓库地址 # 2. 进入仓库目录使用 -e 标志安装 cd huggingface_hub pip install -e .安装完成后Python 会在正常的库路径之外额外搜索你克隆下来的目录。例如如果你的 Python 包通常安装在./.venv/lib/python3.13/site-packages/那么现在 Python 也会查找你克隆的./huggingface_hub/目录。当前仓库采用 src 布局代码位于src/huggingface_hub/见 setup.py可编辑安装会正确解析该布局保证import huggingface_hub指向你的工作副本。使用 conda 安装习惯使用 conda 管理环境的用户可以通过conda-forge频道安装conda install -c conda-forge huggingface_hub这种方式适合已经深度依赖 conda 生态、不希望混用 pip 与 conda 环境的场景。安装完成后同样建议执行下文的验证命令。安装验证无论采用哪种方式安装都可以通过一次简单的 API 调用来确认huggingface_hub是否正常工作。下面的命令会从 Hub 拉取gpt2模型的元信息并打印python -c from huggingface_hub import model_info; print(model_info(gpt2))输出大致如下Model Name: gpt2 Tags: [pytorch, tf, jax, tflite, rust, safetensors, gpt2, text-generation, en, doi:10.57967/hf/0039, transformers, exbert, license:mit, has_space] Task: text-generation这条命令背后调用的是HfApi.model_info方法定义于 src/huggingface_hub/hf_api.py。从源码看该方法向{endpoint}/api/models/{repo_id}发起 HTTP 请求支持revision、timeout、securityStatus、files_metadata、expand、token等可选参数——其中token默认为本地保存的访问令牌私有模型只有在登录或显式传 token 时才能查询。gpt2是可公开访问的模型因此无需认证即可返回上述元数据。如果命令成功打印出模型信息说明安装、网络连通性与 Hub API 调用链路均已打通。Windows 平台的已知限制huggingface_hub的目标是跨平台运行同时支持 Unix 系与 Windows 系统但 Windows 上存在两个已知问题需要特别注意1. 缓存系统依赖符号链接symlinkhuggingface_hub的缓存系统依赖 symlink来高效缓存从 Hub 下载的文件见 docs/source/en/guides/manage-cache.md 中的详细说明。Windows 默认可能不允许创建 symlink此时你需要开启开发者模式Developer Mode或以管理员身份运行脚本。如果 symlink 不可用缓存系统仍然可以工作但会退化为非优化模式不再使用blobs/目录去重存储而是直接把文件存入snapshots/目录导致同一仓库的多个修订版本可能重复下载同一文件、占用更多磁盘空间。此时会显示一条警告提醒你处于降级模式。也可以主动控制该行为设置环境变量HF_HUB_DISABLE_SYMLINKS1可强制使用无 symlink 缓存模式例如在共享文件系统上设置HF_HUB_DISABLE_SYMLINKS_WARNINGtrue可关闭降级警告提示。2. 特殊字符文件名Hub 上的文件名可能包含 Windows 不允许的特殊字符例如path/to?/my/file中的?。Windows 对文件名的字符集限制更严格会导致这类文件无法在 Windows 上正常下载。不过这种情况比较罕见如果你认为某个文件应当可以正常下载却失败了建议联系仓库所有者或向项目提交 issue 寻求解决方案。下一步安装完成之后安装并验证成功后可以继续深入使用配置环境变量参考 docs/source/en/package_reference/environment_variables.md了解HF_HOME、HF_TOKEN、HF_ENDPOINT等关键变量的作用尤其是 Windows 场景下用于控制 symlink 行为的两个变量阅读入门指南docs/source/en/guides/overview.md从整体上把握下载模型、上传文件、管理缓存、调用 Inference 等功能模块的使用方式项目内置了完整的测试套件见 tests 目录如果你想确认自己环境中的安装行为是否符合预期也可以在本机运行相关测试用例作为额外验证手段。赞分享开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载相关推荐huggingface_hub 安装完全指南pip、conda、源码构建与 Windows 注意事项huggingface_hub 安装完全指南pip、conda、源码构建与 Windows 注意事项 本文围绕 Hugging Face 官方 Python开发工具CLI机器学习huggingface_hub 安装完全指南pip / conda / 源码安装与验证huggingface_hub 安装完全指南pip / conda / 源码安装与验证 huggingface_hub 是 Hugging Face Hub开发工具CLI机器学习huggingface_hub 安装指南pip / conda / 源码安装与可选依赖项详解huggingface_hub 安装指南pip / conda / 源码安装与可选依赖项详解 本指南完整介绍 Hugging Face 官方 Python 客开发工具CLI机器学习上一篇3大核心技术揭秘如何用HoYo.Gacha实现专业级抽卡数据分析下一篇终极PiKVM系统镜像定制实战从零打造专属远程管理平台创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
