ローカライズされた読書ガイド

huggingface-zerogpu目的、用途、および情報源

Gradio SpacesとHugging Face Spaces ZeroGPUを使用したAIデモとGPUコンピューティング。コードの作成またはレビュー時に使用します。@spaces.GPU設定中python_versionまたはrequirements.txtZeroGPU スペースの場合、または ZeroGPU 固有のコード制約の処理 (pickle ベースのプロセス分離、gr.Stateワーカー境界を越えた意味論、いいえtorch.compile(代わりに AoTI を使用)、CUDA ホイールのみのビルド (なしnvccビルド時または実行時）、ラージとエクストララージのサイズ設定、および動的な期間の呼び出し可能オブジェクト。ユーザーが ZeroGPU について言及したときは、必ずこのスキルを使用してください。@spaces.GPUまたはspacesPythonパッケージ、またはZeroGPU固有のコードエラーに遭遇する。PicklingError労働者の境界を越えて、illegal duration、またはflash-attnホイールビルドの失敗 — ユーザーが明示的に ZeroGPU のコーディングガイダンスを要求していない場合でも。import spacesまたは@spaces.GPUコードで。

ソースを取得しました: 2026-10-29

出典リポジトリ: huggingface/skills
SKILL.md: skills/huggingface-zerogpu/SKILL.md
リポジトリの Star: 11,241
リポジトリの最終更新: 2026-10-30
能力分類: 開発
最終収集時刻: 2026-10-31 10:38 UTC+08:00

ライセンス: Apache-2.0

オリジナルのSKILL.md

ワークフローの抜粋は、Codezによる実行可能な指示ではなく、あくまでも参考資料です。このページを作成するために、サードパーティ製のスキルは実行されていません。

以下の目的とワークフローに関する記述は、上流工程に関する資料であり、読みやすいように整理・翻訳されています。これらは、別途ラベル付けされたCodez編集分析とは区別されます。

このスキルが何をするか

上流ワークフローの仕組み

プロセス分離と酸洗

@spaces.GPU-装飾された関数は、ZeroGPUスケジューラによって管理される別のプロセスで実行されます。引数と戻り値は、pickleシリアライズを介してプロセス境界を越えます。pickle可能なオブジェクトのみが渡され、または返されます。pickle不可能な状態に対するオープンなファイルハンドル、データベース接続、ロック、ラムダ、クロージャは例外を発生させます。PicklingErrorCUDAテンソルを直接返さないでください。メインプロセスでCUDAテンソルをアンピクル化すると、torch.cuda._lazy_init()ZeroGPUがブロックします。まずCPUに変換します。tensor.cpu()またはtensor.cpu().numpy()CPUテンソル、NumPy配列、PILイメージ、および通常のPythonオブジェクトは問題なく動作します。

上流への航路 · L169 ↗

ハグ顔 ZeroGPU

ZeroGPUハードウェアを使用したHugging Face SpacesのMLデモのルールとパターン。@spaces.GPU実行時間と割り当て量の調整、プロセス分離、CUDA可用性モデル、並行処理の安全性、およびCUDAビルド制約。

上流への航路 · L6 ↗

範囲

このスキルは、ZeroGPU ハードウェアを使用する Gradio SDK Spaces 用です。Docker および Static Spaces は ZeroGPU にスケジュールできず、Streamlit アプリは現在 Docker Spaces として実行されるため、このスキルは Gradio にのみ適用されます。一般的な Gradio コーディング (コンポーネント、レイアウト、イベントリスナー) については、huggingface-gradioこのリポジトリのスキル。ZeroGPUの公式ドキュメントは以下にあります。https://huggingface.co/docs/hub/spaces-zerogpu現在のバックエンドGPU、ランタイムバージョンリスト、およびティアしきい値については、それらを参照してください。これらはすべて時間の経過とともに変更されます。

上流への航路 · L10 ↗

上流への航路 · python ↗

import spaces
import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="...", device="cuda")

@spaces.GPU
def generate(prompt: str) -> str:
    return pipe(prompt, max_new_tokens=100)[0]["generated_text"]

要件とセットアップ

ピン留めしないでください`spaces`で`requirements.txt`

宇宙プラットフォームは独自のspacesバージョン。競合するピンrequirements.txtビルド時に pip の解決が失敗する原因となります。 > ルール: 含めないspacesでrequirements.txt。

上流への航路 · L271 ↗

制限事項と品質チェック

CUDAビルドの制約

HF Spaces は CPU のみの環境で Docker イメージをビルドします。ZeroGPU では、ビルドフェーズにnvccベースイメージはpython:3.13(専用GPUスペースは使用nvidia/cuda:*-devel-*そして持っているnvccビルド時に）。唯一の配布がsdistであるCUDA依存パッケージ（例：bare）flash-attnしたがって、以下の方法ではインストールできません。requirements.txtZeroGPU 上で動作します。プリビルドのホイールのみが動作します。ZeroGPU ランタイムにはnvcc利用可能、CUDA開発イメージからマウント/cuda-image以来2025-07（元々はAoTIサポートのために追加されました）。これがtorch.export/ AoTIワークフローは内部で可能です@spaces.GPU電話。

上流への航路 · L231 ↗

まずは安全なトライアルから始めましょう

サポートされているホストとリポジトリのインストール手順を確認してください。スキルディレクトリと、それに関連付けられているスクリプト、アセット、ドキュメントはまとめて保管してください。SKILL.md単独では依存関係を省略できる場合があります。
エージェントに実際の入力、希望する出力、および受け入れ基準を指定してください。呼び出し構文と利用可能なツールはホストによって異なります。このサイトは、汎用的なインストールコマンドを前提としていません。
使い捨てプロジェクトまたはコピーで、元のワークフローを試してみてください。ファイル、リモートサービス、または課金対象リソースを変更する操作は、許可する前に必ず確認してください。
出力結果をソースの品質チェックおよび独自の要件と照らし合わせて検証してください。トリガーが成功したことやリポジトリのスター数が多いことだけでは、正しい結果とは言えません。

スキルフォーマットとディレクトリの仕様 ↗

詳細は出典元をご覧ください。

翻訳と範囲

この読書ガイドは、ピン留めされた上流からの抜粋を選りすぐっていますSKILL.md翻訳は補助的なものです。完全なマニュアルではなく、互換性テスト済みであることを保証するものでもありません。ご使用前に原文および参照ファイルをお読みください。

この紹介文は、下記に固定表示されているバージョンに関するものです。現在のリポジトリのアクティビティと収集時間は別途表示されます。

ピン留めされたソース: 原文を読む ↗
ソースを取得しました: 2026-10-29T09:32:23Z
ソースコミット: fabc634a893f62ad5c2039830397efa35fa62715
ソースSHA-256: 829659aec34224970fe7ed619729fdc7849fc5dd696e2000256c3ee0b517eff7

スキルカタログ全体に戻る