🔥 Trending today
Training a language model with 🤗 Transformers using TensorFlow and TPUs★ 70
Hugging Face Blog1132d agoTutorial本指南詳細說明如何利用 TensorFlow 和 Google TPU 來加速 Hugging Face Transformers 模型的訓練。內容涵蓋 TPU 的初始化設定、使用 tf.distribute.TPUStrategy 配置分散式訓練環境、利用 tf.data 建立高效的數據輸入管道，並在 TPU 範疇內載入與訓練模型，非常適合需要處理大規模 NLP 任務的開發者。
Hugging Face's TensorFlow Philosophy
Hugging Face Blog1390d agoOpinionHugging Face 闡述了其對 TensorFlow (TF) 的核心哲學：將 TF 視為一等公民，確保與 PyTorch 模型的雙向互操作性。透過將 TF 模型設計為 `tf.keras.Model` 的子類別，開發者能直接使用 Keras 的 `fit()` 等 API，並支援 XLA 編譯與 `tf.data`，為 TF 社群提供無縫且直覺的開發體驗。
Faster Text Generation with TensorFlow and XLA
Hugging Face Blog1406d agoTutorialHugging Face 官方部落格介紹了結合 TensorFlow 與 XLA（加速線性代數）編譯器來優化文本生成的方法。透過在 generate() 函數中啟用 jit_compile=True，開發者可以顯著減少推論延遲。然而，由於 XLA 需要靜態形狀（static shapes），使用時必須對輸入進行固定長度的填充與截斷。
Deploying TensorFlow Vision Models in Hugging Face with TF Serving
Hugging Face Blog1408d agoTutorial本教學詳細說明如何將 Hugging Face 平台上的 TensorFlow 電腦視覺模型（如 ViT）導出為 SavedModel 格式。接著，展示如何利用 TensorFlow Serving (TF Serving) 搭配 Docker 進行模型部署，並透過 REST API 進行高效能的影像分類推論，為開發者提供一套將研發成果轉化為生產線服務的標準流程。