Transformers

Utilisez transformers-js pour exécuter des modèles ML en JavaScript et TypeScript, dans le navigateur comme côté serveur. La skill transformers-js couvre l’installation, le chargement des modèles, la mise en cache, la configuration et l’usage pratique de transformers-js pour les tâches de texte, de vision, d’audio et multimodales, ainsi que transformers-js pour la génération de code avec les modèles de text-generation pris en charge.

huggingface-vision-trainer vous aide à installer et utiliser un skill Hugging Face pour des tâches d’entraînement vision : détection d’objets, classification d’images et segmentation SAM/SAM2. Il couvre la préparation des jeux de données, la configuration de GPU cloud, l’évaluation, la journalisation avec Trackio et l’envoi des résultats sur le Hub. Idéal pour l’automatisation backend et les workflows d’entraînement reproductibles.

huggingface-llm-trainer vous aide à entraîner ou affiner des modèles de langage et de vision sur Hugging Face Jobs avec TRL ou Unsloth. Utilisez ce skill huggingface-llm-trainer pour le SFT, le DPO, le GRPO, le reward modeling, la vérification des jeux de données, le choix du GPU, la sauvegarde sur Hub, le suivi Trackio et l’export GGUF dans des workflows de développement backend.

huggingface-community-evals vous aide à lancer स्थानीयement des évaluations de modèles du Hugging Face Hub avec inspect-ai ou lighteval. Servez-vous-en pour choisir le backend, effectuer des tests de fumée et disposer d’un guide pratique pour vLLM, Transformers ou accelerate. Ne convient pas à l’orchestration HF Jobs, aux PR de model-card, à la publication de .eval_results ni à l’automatisation de community-evals.