Transformers

Die hugging-science-Skill hilft dir, wissenschaftliche KI-Ressourcen aus dem Hugging Science-Katalog und der Hugging-Face-Organisation `hugging-science` zu finden und zu nutzen. Sie passt zu Biologie, Chemie, Klima, Genomik, Materialwissenschaften, Astronomie und ähnlichen Aufgaben, wenn du einen Datensatz, ein Modell, einen Space oder einen Blogbeitrag suchst, den du tatsächlich ausführen oder zitieren kannst. Nutze sie für hugging-science-Nutzung und hugging-science-Guide-Workflows statt für eine allgemeine Suche.

Nutze transformers-js, um ML-Modelle in JavaScript und TypeScript in Browser- und Server-Runtimes auszuführen. Der transformers-js Skill deckt Installation, Modell-Ladevorgang, Caching, Konfiguration und praktische transformers-js Nutzung für Text-, Bild-, Audio- und Multimodal-Tasks ab sowie transformers-js für Code Generation mit unterstützten Text-Generation-Modellen.

huggingface-vision-trainer hilft dir bei der Installation und Nutzung eines Hugging Face Skills für Vision-Trainingsjobs: Objekterkennung, Bildklassifikation und SAM/SAM2-Segmentierung. Abgedeckt werden Dataset-Vorbereitung, Cloud-GPU-Setup, Evaluation, Trackio-Logging und das Hochladen der Ergebnisse zum Hub. Ideal für Backend-Automatisierung und wiederholbare Trainings-Workflows.

huggingface-llm-trainer hilft dir, Sprach- und Vision-Modelle auf Hugging Face Jobs mit TRL oder Unsloth zu trainieren oder feinzujustieren. Nutze diese huggingface-llm-trainer Skill für SFT, DPO, GRPO, Reward Modeling, Dataset-Checks, GPU-Auswahl, Speichern auf dem Hub, Trackio-Monitoring und GGUF-Export in Backend-Entwicklungs-Workflows.

huggingface-community-evals hilft dir, Modelle aus dem Hugging Face Hub lokal mit inspect-ai oder lighteval zu evaluieren. Nutze es für die Auswahl des Backends, Smoke Tests und einen praxisnahen Einstieg in vLLM, Transformers oder accelerate. Nicht gedacht für HF Jobs-Orchestrierung, model-card-PRs, das Veröffentlichen von .eval_results oder community-evals-Automatisierung.

Die transformers-Skill hilft dir bei der Nutzung von Hugging Face Transformers für Modellladen, Inferenz, Tokenisierung und Fine-Tuning. Sie ist ein praxisnaher transformers-Leitfaden für Machine-Learning-Aufgaben über Text-, Bild-, Audio- und multimodale Workflows hinweg, mit klaren Wegen für schnelle Baselines und eigenes Training.