Hub documentation
Hugging Face에서 Transformers.js 사용
단일 로그인(SSO) 감사 로그 스토리지 리전 비공개 데이터셋용 Data Studio 리소스 그룹(액세스 제어) 고급 컴퓨트 옵션 고급 보안 토큰 관리 서비스 계정 발행자 분석 게이팅 그룹 컬렉션 네트워크 보안 다운로드 분석 속도 제한 블로그 글
PRO 플랜 리포지토리 레포지토리 시작하기 저장소 설정 저장 용량 제한 스토리지 백엔드(Xet) 로컬 캐시 Pull Requests & Discussions 알림 컬렉션 Webhooks GitHub Actions 노트북 다음 단계 라이선스
모델 모델 허브 모델 카드 평가 결과 리더보드 데이터 게이트된 모델 모델 업로드 모델 다운로드 통합 라이브러리
데이터셋 어댑터 AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras (레거시) 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
모델 위젯 모델 추론 모델 다운로드 통계 모델 릴리스 체크리스트 하드웨어 로컬 앱 자주 묻는 질문 고급 주제 Datasets 개요 Dataset Cards 게이트된 데이터셋 데이터셋 업로드 데이터셋 업로드 (LLM용) 데이터셋 다운로드 스트리밍 데이터셋 통합 라이브러리 Data Studio Agent Traces 데이터셋 다운로드 통계
Spaces Spaces 개요 Spaces GPU 업그레이드 Spaces ZeroGPU Spaces Dev Mode Spaces 디스크 사용량 및 저장소 Spaces 사용자 지정 도메인 MCP 서버로 사용 가능한 Spaces Spaces를 에이전트 도구로 API 엔드포인트로 사용하는 Spaces Gradio Spaces Streamlit Spaces Static HTML Spaces Docker Spaces Space 임베드하기 Docker로 Spaces 실행 Spaces 구성 참조 HF로 로그인 버튼 주요 Spaces Spaces 변경 이력 고급 주제
Storage Buckets new 컨테이너 이미지 new Jobs Jobs 개요 빠른 시작 Pricing and Billing 작업 관리 구성 Docker 이미지 사용 모델 서빙 모델 학습 예제 및 튜토리얼 대규모 데이터셋 처리 Schedule Jobs Webhook 자동화 참고
에이전트 에이전트 개요 AI 에이전트를 위한 Hugging Face CLI Hugging Face MCP 서버 Hugging Face Agent Skills HF SDK를 사용하여 에이전트 구축하기 llama.cpp를 활용한 로컬 에이전트 에이전트 라이브러리 세션 추적 형식
기타 Hugging Face에서 Transformers.js 사용
Transformers.js는 서버 없이 브라우저에서 🤗 Transformers를 직접 실행할 수 있는 JavaScript 라이브러리입니다. 원래의 Python 라이브러리와 기능적으로 동등하도록 설계되어, 매우 유사한 API를 사용하여 동일한 사전 학습 모델을 실행할 수 있습니다.
Hub에서 transformers.js 탐색
모델 페이지에서 라이브러리로 필터링하여 transformers.js 모델을 찾을 수 있습니다.
빠른 둘러보기
기존 코드에서 변환하는 것은 매우 간단합니다! Python 라이브러리처럼 pipeline API를 지원합니다. 파이프라인은 사전 학습된 모델과 입력 전처리, 출력 후처리를 하나로 묶어 라이브러리로 모델을 실행하는 가장 쉬운 방법을 제공합니다.
| Python (원본) | JavaScript(자체 개발) |
|---|---|
from transformers import pipeline
# Allocate a pipeline for sentiment-analysis
pipe = pipeline('sentiment-analysis')
out = pipe('I love transformers!')
# [{'label': 'POSITIVE', 'score': 0.999806941}] | import { pipeline } from '@huggingface/transformers';
// Allocate a pipeline for sentiment-analysis
let pipe = await pipeline('sentiment-analysis');
let out = await pipe('I love transformers!');
// [{'label': 'POSITIVE', 'score': 0.999817686}] |
pipeline 함수의 두 번째 인수로 모델 ID 또는 경로를 지정하여 다른 모델을 사용할 수도 있습니다. 예를 들어:
// Use a different model for sentiment-analysis
let pipe = await pipeline('sentiment-analysis', 'nlptown/bert-base-multilingual-uncased-sentiment');지원되는 작업 및 모델의 전체 목록은 문서를 참조하세요.
설치
NPM을 통해 설치하려면 다음을 실행하세요:
npm i @huggingface/transformers
CDN 또는 정적 호스팅을 통해 번들러 없이 순수 JS에서 사용하는 방법 등 자세한 내용은 README를 참고하세요.