Nvdium今日发布 206 篇该来源采用摘要模式，本站展示内容摘要，请前往原站阅读全文。
本文也提供英文版本 English。 在 「PyTorch 性能剖析 (profiling)」系列的第一部分 中，我们用 torch.add(torch.matmul(x, w), b) 学习了如何阅读 PyTorch 性能剖析器轨迹。沿途还讨论了几个相关主题：CPU 调度链、启动开销、开销受限与计算受限两种状态的区别，以及 torch.compile 的一些内部机制。 到了第二篇（也就是本文），我们再向上迈一步。我们会把手写的矩阵乘加组合替换为 nn.Linear（设置 bias=True）。这是每个深度学习模型都会用到的基础构件。随后，我们会把三个 nn.Linear（本例中的具体设置）堆叠起来，并在中间加入激活函数，构成一个多
本文也提供英文版本 English。 无法进行性能剖析( profiling )，就无法优化。 无法进行性能剖析( profiling )，就无法优化。 无论目标是让大语言模型（LLM）每秒生成更多词元（token）、把推理耗时缩短几毫秒，还是弄清楚训练循环为什么比规格表承诺的速度慢，最终都绕不开性能剖析。 难点在于，性能剖析的入门门槛很高。性能轨迹像一面密密麻麻的彩色矩形墙，各类事件名称也常常让人望而生畏。大多数教程默认读者已经知道如何阅读轨迹。因此，即便已经知道应该做性能剖析，打开一份轨迹也常常像是一件可以留到以后、或交给别人处理的麻烦事。本文以及这个系列，正是为了降低这道门槛。 本文是《PyTorch 性能剖析》系列的开篇文章
本文也提供英文版本 English。 继我们使用 Claude Code 训练开源模型的项目之后，现在我们更进一步，将 Codex 引入这一流程。这里的重点不是“Codex 自己开源模型”，而是让 Codex 作为编码代理，参与并自动化开源模型的训练、评估与发布全流程。为此，我们为 Codex 接入了 Hugging Face Skills 仓库，该仓库包含了许多与机器学习和 AI 相关的“技能”，比如模型训练与评估等任务。通过 HF Skills，Codex 这样的编码代理可以实现： 对语言模型进行微调和强化学习（RL）对齐训练 查看、解释并基于 Trackio 的实时训练指标做出操作 评估模型检查点并根据评估结果作出决策 生成实
本文也提供英文版本 English。 Hugging Face 的 Jeff Boudier 表示： “Google 一直是开放式 AI 领域的重要推动者——从最初的 Transformer 到如今的 Gemma 模型。 我相信未来每一家企业都将能构建并定制属于自己的 AI。通过这次战略合作，我们让这一切在 Google Cloud 上变得更加简单。” Google Cloud 产品管理高级总监 Ryan J. Salva 表示： “Hugging Face 是推动全球大中小企业访问、使用并定制超过 200 万个开源模型的核心力量，我们也自豪地为社区贡献了超过 1000 个模型。” “携手合作，我们将让 Google Cloud 成
本文也提供英文版本 English。 摘要 一篇实用指南，手把手教你如何采集数据、训练策略，并将自动化医疗机器人工作流程部署到真实硬件上。 目录 使用 NVIDIA Isaac 构建医疗机器人：从仿真到部署 摘要 目录 简介 SO-ARM 入门工作流：构建一台手术辅助机器人 技术实现 仿真与现实结合的训练方法 硬件要求 数据采集实现 仿真遥操作控制 模型训练流程 完整的仿真采集-训练-评估流程 在仿真中生成合成数据 训练和评估策略 将模型转换为 TensorRT 快速开始 资源链接 使用 NVIDIA Isaac 构建医疗机器人：从仿真到部署 摘要 摘要 目录 目录 简介 简介 SO-ARM 入门工作流：构建一台手术辅助机器人 技术
本文也提供英文版本 English。 近年来，逼真的语音生成技术已经达到了令人惊讶的水平。在某些情况下，生成出来的合成语音几乎能以假乱真，和真人的声音非常相似。如今，曾经只存在于科幻小说中的“语音克隆”已经成为现实。只需要几秒钟的录音，就能让任何人的声音“说出”任何内容。 语音生成，尤其是语音克隆技术，既有风险也有益处。它可能被用于制作“深度伪造”内容，例如 有人用前总统 Biden 的克隆语音进行自动电话宣传，误导公众以为他说过其实并未说的话。但与此同时，语音克隆也可以带来积极作用，比如 帮助失语者 重新用自己的声音表达，或者辅助人们学习语言和方言。 那么，我们该如何实现“有意义的使用”而不是“恶意的滥用”？我们正在探索一种可能的
本文也提供英文版本 English。 快速了解（TLDR） 现在只需一行代码，就能通过 load_dataset('dataset', streaming=True) 以流式方式加载数据集，无需下载！ 无需复杂配置、不占磁盘空间、不再担心 “磁盘已满” 或 429 请求过多错误，立即开始训练 TB 级数据集！ 性能非常强劲：在 64×H100、256 个并发 worker 环境下，流式加载速度甚至超过本地 SSD！ 我们优化后的流式系统：请求数减少 100 倍 → 数据解析速度提升 10 倍 → 样本处理速度翻倍 → 即使在 256 个并发 worker 下也 0 崩溃。 现在只需一行代码，就能通过 load_dataset('da
本文也提供英文版本 English。 🚀 强烈建议尽快升级至 v1.0，以体验更优性能和全新功能。 pip install --upgrade huggingface_hub 此次重大版本更新包括以下内容： 使用 httpx 作为新后端请求库； 全新设计的 hf 命令行工具（取代已弃用的 huggingface-cli），采用 Typer 构建，功能更加丰富； 文件传输全面迁移至 hf_xet，彻底淘汰旧的 hf_transfer 工具。 查看完整的 v1.0 发布说明 我们尽可能确保 v1.0.0 与旧版本兼容。大多数机器学习库无需修改即可兼容 v0.x 和 v1.x。主要例外是 transformers：v4 版本依赖 v0.x
本文也提供英文版本 English。 简要总结 LeRobot v0.4.0 为开源机器人领域带来重要升级：引入可扩展的 Datasets v3.0、强大的新 VLA（视觉-语言-动作）模型如 PI0.5 与 GR00T N1.5，以及全新的插件系统，简化硬件集成。该版本还新增对 LIBERO 与 Meta-World 仿真的支持、简化多 GPU 训练，并上线全新的 Hugging Face 机器人学习课程。 目录 [LeRobot v0.4.0：全面提升开源机器人的学习能力](#LeRobot v0.4.0：全面提升开源机器人的学习能力) 简要总结 数据集：为下一波大规模机器人学习做好准备 Datasets v3.0 有何新变化？
本文也提供英文版本 English。 [!提示] 我们在这篇文章中新增了 Chandra 和 OlmOCR-2，并附上了它们在 OlmOCR 基准上的得分 🫡 摘要： 强大的视觉语言模型（Vision-Language Models, VLMs）的崛起，正在彻底改变文档智能（Document AI）的格局。每种模型都有其独特的优势，因此选择合适的模型变得棘手。相比闭源模型，开源权重的模型在成本效率和隐私保护上更具优势。为了帮助你快速上手，我们整理了这份指南。 在本指南中，你将了解到： 当前 OCR 模型的整体格局及其能力 何时需要微调模型，何时可直接使用 为你的场景选择合适模型时应考虑的关键因素 如何超越传统 OCR，探索多模态检索
本文也提供英文版本 English。 🧭简要概览：Hugging Face AI Sheets 是一款开源工具，能够用 AI 模型增强数据集的处理能力，无需编写任何代码。现在新增视觉功能：可以从图像（如收据、文档）中提取数据、根据文本生成图像、甚至编辑图片——一切都能在电子表格中完成。依托 Inference Providers，可调用数千个开放模型。 我们非常高兴地发布 Hugging Face AI Sheets 的重大更新版——这是一款可通过开放 AI 模型构建、转换与丰富数据的开源工具。AI Sheets 基于 Inference Providers 运行，意味着你可以使用由全球顶级推理服务驱动的数千种开放模型。 AI Sh
本文也提供英文版本 English。 在这篇博客文章中，我们将深入讨论了所有的升级，以及它们如何成为transformers工具包的一部分，以便其他模型（当前和未来的）能够从中受益。提供 Transformers 中新方法的简洁实现，也有助于社区快速理解和采用它们。像MLX、llama.cpp或vLLM这样的框架可以直接使用transformers代码作为参考来构建自己的应用。 对于这次发布，我们致力于： 零构建内核，可从Hub下载 MXFP4量化 张量并行 专家并行 动态滑动窗口层和缓存 连续批处理和分页注意力 更快地加载更大的模型 最棒的部分：这些功能中的大多数应该适用于transformers内的所有主要模型！ 最棒的部分：这
本文也提供英文版本 English。 生成图像或视频可能需要相当多的时间。在这种情况下，充分利用 H200 硬件，使其发挥极致性能就显得尤为重要。 这就是 PyTorch 提前编译（AoT）的用武之地。与其在运行时动态编译模型（这和 ZeroGPU 短生命周期的进程配合得并不好），提前编译允许你一次优化、随时快速加载。 结果：演示更流畅、体验更顺滑，在 Flux、Wan 和 LTX 等模型上带来 1.3×–1.8× 的提速 🔥 在这篇文章中，我们将展示如何在 ZeroGPU Spaces 中接入提前编译（AoT）。我们会探索一些高级技巧，如 FP8 量化和动态形状，并分享你可以立即尝试的可运行演示。如果你想尽快尝试，可以先去 zer
本文也提供英文版本 English。 TL;DR: 通过将 Claude 连接到 Hugging Face Spaces，现在可以比以往更轻松地使用最先进的 AI 模型生成细节丰富的图像。本文介绍具体方法和原因，并介绍近期发布的几款模型：它们擅长生成自然图像，或生成包含文本的图像。 2025 年 10 月更新：Anthropic 更新 Connector Directory Policy 后，需要使用「Add custom connector」选项，并将 Remote MCP server URL 设置为 https://huggingface.co/mcp?login，才能在 Claude 中使用图像生成和其他 Gradio Sp