开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载huggingface_hub是 Hugging Face Hub 的官方 Python 客户端与 CLI 工具负责模型的下载、上传、推理与管理。本文以官方安装文档 docs/source/or/installation.md 为骨架结合仓库源码setup.py、utils/installers/为你梳理从零搭建环境、安装库与 CLI、验证安装结果、规避 Windows 平台限制的完整路径读完后你将能根据项目类型选择最合适的安装方式并快速排除常见问题。安装前须知Python 版本与虚拟环境在开始安装前需要先确认本机环境满足两个基本要求Python 版本huggingface_hub在Python 3.10上开发和测试。仓库 setup.py 中的python_requires3.10.0进一步从包管理器层面强制了这一版本下限安装脚本 utils/installers/install.sh 与 utils/installers/install.ps1 也会在安装前显式检测 Python 是否满足sys.version_info (3, 10)不满足会直接报错并给出系统对应的安装提示。虚拟环境强烈建议官方文档强烈推荐在虚拟环境中安装huggingface_hub。虚拟环境可以让不同项目之间的依赖相互隔离避免因全局包版本冲突导致的兼容性问题。使用 pip 安装官方推荐路径第一步创建并激活虚拟环境在你的项目目录中创建虚拟环境python -m venv .venv激活虚拟环境。Linux 和 macOS 上source .venv/bin/activateWindows 上命令提示符 / PowerShell 的 CMD 风格.venv\Scripts\activate第二步从 PyPI 安装核心包激活环境后从 PyPI 官方仓库安装huggingface_hubpip install --upgrade huggingface_hub--upgrade参数会确保安装最新版本。安装完成后可先跳到“验证安装是否成功”一节确认一切正常后再继续。安装可选依赖extrashuggingface_hub的部分依赖是可选的——运行其核心功能并不需要它们但不安装它们时某些特性将不可用。官方文档给出的典型安装命令如下# 同时安装 CLI 与 torch 相关特性所需的依赖 pip install huggingface_hub[cli,torch]官方安装文档中列出的可选依赖包括可选依赖作用cli为huggingface_hub提供更便利的 CLI 交互界面fastai、torch运行框架特定framework-specific功能所需的依赖dev为库做贡献开发所需的依赖内含testing运行测试、typing运行类型检查和quality运行 linter三个子集合从当前仓库源码看setup.py 中实际注册的 extras 比文档更细可作为按需扩展的补充参考torchtorchsafetensors[torch]用于 PyTorch 模型序列化等框架特定功能fastaitoml、fastai2.4、fastcore1.3.27用于 fastai 框架集成oauthauthlib、fastapi、itsdangerous用于 OAuth 登录与 Web 服务mcpmcp1.9.4, 2.0.0用于 MCPModel Context Protocol相关功能hf_xetXet 传输加速后端对 x86_64/arm64 平台默认包含在核心依赖中gradioGradio 集成相关testing/typing/quality/all/dev开发、测试与贡献相关依赖集合。需要说明的是在当前仓库中hfCLI 命令本身是通过 setup.py 的entry_points.console_scriptshfhuggingface_hub.cli.hf:main无条件注册的也就是说安装核心包后 CLI 即默认可用文档中提到的cliextras 更多是历史语境下对 CLI 增强依赖的归类描述。若你只运行核心下载/上传功能安装核心包即可若用到框架序列化、OAuth、MCP 等特性再按上表按需添加。从源码安装使用 main 分支某些场景下直接从源码安装很有价值它可以让你使用最新的main分支而不是最新的稳定发行版。例如某个 bug 已在官方 release 之后被修复但新版本尚未发布时从源码安装即可提前用上修复。pip install githttps://github.com/huggingface/huggingface_hub需要谨慎的是main分支并不总是稳定的。官方承诺会尽量保持main分支可用多数问题通常会在几小时到一天内解决若你遇到问题可以通过打开 Issue 的方式反馈以便更快修复。从源码安装时还可以指定特定分支适合想提前测试尚未合并的新特性或 bug-fix 的场景pip install githttps://github.com/huggingface/huggingface_hubmy-feature-branch可编辑安装editable install如果你计划为huggingface_hub贡献代码并需要在修改代码后立即测试效果推荐使用可编辑安装editable install。这种方式需要先把仓库克隆到本地# 第一步本地克隆仓库 git clone https://github.com/huggingface/huggingface_hub.git # 第二步使用 -e 标志安装 cd huggingface_hub pip install -e .可编辑安装的本质是把你克隆下来的仓库文件夹与 Python 的库搜索路径建立链接。此后 Python 除了常规的库路径例如./.venv/lib/python3.13/site-packages/之外也会搜索你克隆到的文件夹如./huggingface_hub/从而实现对源码修改的即时生效。仓库源码结构上采用**惰性加载lazy loading**设计见 src/huggingface_hub/init.py顶层模块名在首次使用时才真正导入因此可编辑安装下反复改动源码也不会拖慢 import 速度同时它保留了TYPE_CHECKING分支静态类型检查与 IDE 自动补全依然完整可用。使用命令行一键安装 Hugging Face CLI如果不想触碰自己的 Python 环境、只想要一个独立的hf命令行工具官方提供了两行式安装脚本脚本源码位于 utils/installers/install.sh 与 utils/installers/install.ps1。macOS 和 Linuxcurl -LsSf https://hf.co/cli/install.sh | bashWindowsPowerShellpowershell -ExecutionPolicy ByPass -c irm https://hf.co/cli/install.ps1 | iex这两个脚本会在独立的虚拟环境中安装huggingface_hub并把hf可执行文件放到用户级目录默认~/.local/binWindows 为%USERPROFILE%\.local\bin再尝试自动把该目录加入 PATH。从脚本源码看其内部流程依次为检测 Python 3.10 → 创建目录与虚拟环境 → 用 pip若存在uv则优先用uv加速安装huggingface_hub→ 暴露hf命令 → 安装 AI Agent 用的hf-cliskill可用--exclude-skill/-ExcludeSkill跳过→ 更新 PATH → 运行hf version自检。脚本还支持一些实用参数例如--force/-Force强制重建已存在的虚拟环境--no-modify-path/-NoModifyPath跳过 PATH 修改之后需用完整路径调用--with-transformers/-WithTransformers额外安装transformersCLI-v/-Verbose输出完整 pip 日志也可通过环境变量HF_CLI_VERBOSE_PIP1打开。升级已安装的 CLI 直接运行hf update即可——它会自动检测hf的安装来源独立安装器、Homebrew 或 pip并执行对应的升级命令。使用 conda 安装如果你更习惯 conda 生态也可以从 conda-forge 频道安装conda install -c conda-forge huggingface_hub安装完成后同样建议执行“验证安装是否成功”一节中的检查命令。验证安装是否成功无论通过哪种方式安装都可以用下面这条命令快速验证huggingface_hub是否正常工作python -c from huggingface_hub import model_info; print(model_info(gpt2))该命令会从 Hub 上拉取gpt2模型仓库的元信息。正常输出应类似Model Name: gpt2 Tags: [pytorch, tf, jax, tflite, rust, safetensors, gpt2, text-generation, en, doi:10.57967/hf/0039, transformers, exbert, license:mit, has_space] Task: text-generation这条验证命令对应的底层实现是 src/huggingface_hub/hf_api.py 中的HfApi.model_info()它会向{ENDPOINT}/api/models/{repo_id}发起请求并解析为ModelInfo数据类ENDPOINT默认是https://huggingface.co可用环境变量HF_ENDPOINT覆盖参见 src/huggingface_hub/constants.py。这也顺带验证了网络连通、JSON 解析与数据类构造等核心链路是否健康。Windows 平台的已知限制官方将huggingface_hub定位为跨平台库在 Unix 系与 Windows 系统上都应正常工作但 Windows 上存在少量已知限制完整罗列如下若遇到未列出的问题建议在 GitHub 上开 Issue 反馈。缓存系统依赖符号链接symlinkhuggingface_hub的缓存系统依赖 symlink 来高效缓存从 Hub 下载的文件。在 Windows 上你必须开启开发者模式或以管理员身份运行脚本才能启用 symlink。如果未启用缓存系统仍能工作但会退化为非优化方式性能下降而非不可用。更详细的说明见 docs/source/en/guides/manage-cache.md 的“限制limitations”章节。Hub 上的文件路径可能含特殊字符例如path/to?/my/file这样的路径。Windows 对文件名的特殊字符限制更为严格这会导致这类文件在 Windows 上无法下载。这通常是极少数情况若你认为这是误报请联系仓库所有者或向官方反馈以寻求解决方案。安装完成后的下一步huggingface_hub正确安装后建议继续做两件事配置环境变量参考 docs/source/en/package_reference/environment_variables.md按需设置HF_TOKEN、HF_HOME、HF_ENDPOINT等变量例如自定义下载缓存目录或切换 Hub 镜像端点从官方指南入门浏览 docs/source/en/guides/overview.md 中的 guides 目录按实际需求学习模型下载、上传、CLI 使用、缓存管理、推理等具体功能或直接运行hf --help查看 CLI 能力清单。赞分享开发工具CLI机器学习【免费下载链接】huggingface_hubThe official CLI and Python client for the Hugging Face Hub.项目地址https://gitcode.com/gh_mirrors/hu/huggingface_hub点击查看免费下载相关推荐huggingface_hub 安装指南Python 3.10 环境下 pip、conda 与源码安装全攻略huggingface_hub 安装指南Python 3.10 环境下 pip、conda 与源码安装全攻略 本指南完整讲解官方 Python 客户端 hu开发工具CLI机器学习huggingface_hub 安装指南pip / conda / 源码安装与可选依赖项详解huggingface_hub 安装指南pip / conda / 源码安装与可选依赖项详解 本指南完整介绍 Hugging Face 官方 Python 客开发工具CLI机器学习Python Fire 安装完全指南pip、conda 与源码安装详解Python Fire 安装完全指南pip、conda 与源码安装详解 Python Fire 是一个能把任意 Python 对象自动变成命令行接口CLI开发工具CLI上一篇OBS Studio 完整教程5 分钟拿到第一段录制从安装到直播转场全指南下一篇从量价因子到行业轮动三步跑出回测曲线创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考