Lokalisierter Leseleitfaden
huggingface-spacesZweck, Verwendung und Quelle
Entwickeln, implementieren und warten Sie Anwendungen auf Hugging Face Spaces – Gradio / Docker / Static SDKs, ZeroGPU und dedizierte Hardware, Modellladen, Debugging, Buckets, Inferenzanbieter, Community-Förderung. Nutzen Sie diese Funktionen immer dann, wenn ein Benutzer eine App auf Hugging Face erstellen oder hosten, Code auf ZeroGPU portieren, einen Space reparieren möchte, der sich nicht erstellen oder ausführen lässt, oder anderweitig mit Hugging Face arbeiten möchte.hf spaces …,@spaces.GPU, Leerzeichen README-Vorspann oder diespacesPython-Paket.
Quelle abgerufen:
- Quell-Repository
- huggingface/skills
- SKILL.md
skills/huggingface-spaces/SKILL.md- Repository-Sterne
- 11,241
- Repository zuletzt aktualisiert
- 2026-10-30
- Fähigkeitskategorien
- Entwicklung
- Letzte Datenerfassung
Lizenz: Apache-2.0
Die Workflow-Auszüge dienen als Lesehilfe und sind keine ausführbaren Anweisungen von Codez. Für die Erstellung dieser Seite wurde keine Drittanbieter-Skill verwendet.
Die folgenden Abschnitte zu Zweck und Arbeitsablauf sind vorgelagertes Material, das zur besseren Lesbarkeit aufbereitet und übersetzt wurde. Sie unterscheiden sich von der separat gekennzeichneten redaktionellen Analyse von Codez.
Was diese Fähigkeit bewirkt
Entwickeln, implementieren und warten Sie Anwendungen auf Hugging Face Spaces – Gradio / Docker / Static SDKs, ZeroGPU und dedizierte Hardware, Modellladen, Debugging, Buckets, Inferenzanbieter, Community-Förderung. Nutzen Sie diese Funktionen immer dann, wenn ein Benutzer eine App auf Hugging Face erstellen oder hosten, Code auf ZeroGPU portieren, einen Space reparieren möchte, der sich nicht erstellen oder ausführen lässt, oder anderweitig mit Hugging Face arbeiten möchte.hf spaces …,@spaces.GPU, Leerzeichen README-Vorspann oder diespacesPython-Paket.
Wie der vorgelagerte Workflow funktioniert
Umarmende Gesichtsräume
Hugging Face Spaces hosten Anwendungen für maschinelles Lernen.1M+ heute; jeder Space ist ein Git-Repository. Diese Fähigkeit umfasst das Erstellen, Kompilieren, Debuggen und Warten solcher Repositorys.
Aufwärtspassage · L6 ↗0Vorbereitungen
Vor allem anderen: Überprüfen Sie Folgendes:hfCLI ist installiert:which hfFalls nicht,pip install -U huggingface_hubDie
1Was ein Raum ist
Ein Space ist ein Git-Repository mit drei möglichen SDKs: Gradio – für die meisten Spaces. Python, schnelle Iteration, unterstützt ZeroGPU.
Aufwärtspassage · L20 ↗hf spaces search "<model name or task>" --sdk gradio --limit 10Anforderungen und Einrichtung
requirements.txt
Nicht auflisten:gradio,spaces,huggingface_hub(Vorinstalliert und plattformverwaltet; das Festlegen dieser Einstellungen führt zu Auflösungsfehlern oder beeinträchtigt die ZeroGPU-Laufzeitumgebung unbemerkt). Bitte listen Sie die verwendeten Einstellungen auf, falls vorhanden:torchvision,torchaudio(nicht vorinstalliert), plus alles andere (diffusers,transformers,accelerate,sentencepiece, …).
Grenzwerte und Qualitätskontrollen
Aus dieser Datei wurde kein separater Grenzwertabschnitt ausgewählt. Dies bedeutet nicht, dass die Anwendung für jede Eingabe oder Umgebung geeignet ist. Überprüfen Sie den vollständigen Quellcode und validieren Sie Ihr Ergebnis selbst.
Beginnen Sie mit einem sicheren Testlauf
- Prüfen Sie den unterstützten Host und die Installationsanweisungen für das Repository. Halten Sie das Skill-Verzeichnis und die darin enthaltenen Skripte, Assets und Dokumentationen zusammen;SKILL.mdEine Einzelperson kann Abhängigkeiten außer Acht lassen.
- Geben Sie dem Agenten Ihre tatsächlichen Eingaben, die gewünschten Ausgaben und die Akzeptanzkriterien an. Aufrufsyntax und verfügbare Tools hängen vom Hostsystem ab; diese Website geht nicht von einem universellen Installationsbefehl aus.
- Testen Sie den Quellworkflow in einem temporären Projekt oder auf einer Kopie. Überprüfen Sie Vorgänge, die Dateien, Remote-Dienste oder abrechnungsfähige Ressourcen ändern, bevor Sie diese zulassen.
- Überprüfen Sie die Ausgabe anhand der Quellqualitätsprüfungen und Ihrer eigenen Anforderungen. Ein erfolgreicher Trigger oder eine hohe Anzahl von Sternen im Repository garantiert kein korrektes Ergebnis.
Lesen Sie mehr dazu in der Quelle.
- Umarmende Gesichtsräume
- 0Vorbereitungen
- 1Was ein Raum ist
- Hardware-Stufen
- 2Suchen Sie zunächst nach einer vorhandenen Demo.
- 3SDK und Hardware auswählen
- Beschaffung des Modells
- 4Den Raum schaffen
- 5Erstelle die App
- README.mdVorspann
- Minimale ZeroGPU Gradio-App
- Beispiele, Docstrings und MCP
- requirements.txt
- Tiefe pro SDK
- 6Iteriere im Raum, nicht lokal.
- 7. Verifizieren
- 8. Dauerhafte Lagerung (Eimer)
- 9Wenn Dinge kaputtgehen
Verwandte Fähigkeiten
Übersetzung und Umfang
Dieser Leseleitfaden wählt Passagen aus dem markierten stromaufwärts gelegenen Abschnitt aus.SKILL.mdDie Übersetzung wurde unterstützt. Es handelt sich weder um ein vollständiges Handbuch noch um eine Garantie für geprüfte Kompatibilität. Lesen Sie vor der Verwendung das Original und die darin referenzierten Dateien.
Diese Einleitung bezieht sich auf die unten angepinnte Version; die aktuelle Repository-Aktivität und der Erfassungszeitpunkt werden separat angezeigt.
- Angeheftete Quelle
- Lesen Sie das Original ↗
- Quelle abgerufen
- Source-Commit
fabc634a893f62ad5c2039830397efa35fa62715- Quelle SHA-256
efa6506be823aaea03c31ef6cd06734485f7c451065aab43cfa5b5053c0df82b