Skill 多語言閱讀指南
huggingface-zerogpu用途、用法與原始來源
使用 Gradio Spaces 和 Hugging Face Spaces ZeroGPU 進行 AI 演示和 GPU 運算。在編寫或審查使用 Gradio Spaces 和 Hugging Face Spaces ZeroGPU 的程式碼時使用。@spaces.GPU正在配置python_version或者requirements.txt對於 ZeroGPU 空間，或處理 ZeroGPU 特有的程式碼約束——基於 pickle 的進程隔離，gr.State跨工作者邊界的語意，沒有torch.compile（請改用 AoTI），僅 CUDA wheel 建置（無）nvcc在建置或運行時）、大型與超大型大小以及動態持續時間的可呼叫物件。每當用戶提到 ZeroGPU 時，請務必使用此技能。@spaces.GPU或者spacesPython 套件，或遇到 ZeroGPU 特有的程式碼錯誤，例如PicklingError跨越工人邊界，illegal duration， 或者flash-attn即使用戶沒有明確要求 ZeroGPU 編碼指導，wheel 建置仍然會失敗。觸發條件import spaces或者@spaces.GPU在代碼中。
原文擷取時間:
- 來源儲存庫
- huggingface/skills
- SKILL.md
skills/huggingface-zerogpu/SKILL.md- 儲存庫 Star
- 11,241
- 儲存庫最近更新
- 2026-10-30
- 能力分類
- 開發
- 最近採集時間
授權：Apache-2.0
流程片段用來協助閱讀上游說明。本頁沒有執行第三方 Skill，不屬於實測評測。
下面的用途與操作片段來自上游文件，由本站整理並翻譯，和另行標示的 Codez 編輯分析分開呈現。
這個 Skill 能做什麼
使用 Gradio Spaces 和 Hugging Face Spaces ZeroGPU 進行 AI 演示和 GPU 運算。在編寫或審查使用 Gradio Spaces 和 Hugging Face Spaces ZeroGPU 的程式碼時使用。@spaces.GPU正在配置python_version或者requirements.txt對於 ZeroGPU 空間，或處理 ZeroGPU 特有的程式碼約束——基於 pickle 的進程隔離，gr.State跨工作者邊界的語意，沒有torch.compile（請改用 AoTI），僅 CUDA wheel 建置（無）nvcc在建置或運行時）、大型與超大型大小以及動態持續時間的可呼叫物件。每當用戶提到 ZeroGPU 時，請務必使用此技能。@spaces.GPU或者spacesPython 套件，或遇到 ZeroGPU 特有的程式碼錯誤，例如PicklingError跨越工人邊界，illegal duration， 或者flash-attn即使用戶沒有明確要求 ZeroGPU 編碼指導，wheel 建置仍然會失敗。觸發條件import spaces或者@spaces.GPU在代碼中。
如何使用：上游操作流程
工藝隔離和酸洗
@spaces.GPU帶有 - 裝飾器的函數運行在由 ZeroGPU 調度器管理的獨立進程中。參數和返回值透過 pickle 序列化跨越進程邊界。只有可序列化的物件才能傳入或返回。開啟的檔案句柄、資料庫連線、鎖、lambda 表達式以及不可序列化狀態的閉包都會引發異常。PicklingError請勿直接返回 CUDA 張量。在主流程中反序列化 CUDA 張量會觸發異常。torch.cuda._lazy_init()這會阻塞 ZeroGPU。先轉換為 CPU：返回tensor.cpu()或者tensor.cpu().numpy()CPU 張量、numpy 陣列、PIL 映像和普通 Python 物件都能正常運作。
擁抱臉 ZeroGPU
使用 ZeroGPU 硬體在 Hugging Face Spaces 上進行機器學習演示的規則和模式。涵蓋內容@spaces.GPU持續時間和配額調整、進程隔離、CUDA 可用性模型、並發安全性和 CUDA 建置約束。
範圍
此技能適用於使用 ZeroGPU 硬體的 Gradio SDK Spaces。 Docker 和 Static Spaces 無法調度到 ZeroGPU 上，而 Streamlit 應用程式現在以 Docker Spaces 的形式運作——因此，此技能僅適用於 Gradio。有關 Gradio 的通用編碼（元件、佈局、事件監聽器），請參閱 [此處應插入相關文件]。huggingface-gradio本倉庫中的技能。權威的 ZeroGPU 文件位於：https://huggingface.co/docs/hub/spaces-zerogpu— 有關目前支援的 GPU、執行時間版本清單和層級閾值，請參閱相關文檔，所有這些內容都會隨時間而變化。
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"]環境與相依需求
請勿別針spaces在requirements.txt
太空平台自行定位spaces版本。衝突的引腳requirements.txt導致建置時 pip 解析失敗。 > 規則：不要包含spaces在requirements.txt。
限制與結果檢查
CUDA 建置約束
HF Spaces 在純 CPU 環境下建置 Docker 映像。在 ZeroGPU 環境下，建置階段沒有 CPU 參與。nvcc因為基礎圖像是python:3.13（專用 GPU 空間使用）nvidia/cuda:*-devel-*並且有nvcc在構建時）。一個依賴 CUDA 的軟體包，其唯一分發方式是 sdist——例如 bare。flash-attn因此無法透過以下方式安裝requirements.txt在 ZeroGPU 上運作。只有預編譯的 wheel 檔案才能運作。 ZeroGPU 運作時確實有nvcc可用，從 CUDA 開發鏡像掛載/cuda-image自從2025-07（最初是為了支援AoTI而添加的）。這就是它的意義。torch.export/ AoTI 工作流程可能在內部實現@spaces.GPU電話。
開始使用前
- 先核對支援的 Agent 宿主和儲存庫安裝說明。保留完整 Skill 目錄及其引用的腳本、資源和文件，只複製 SKILL.md 可能遺漏相依需求。
- 向 Agent 提供實際輸入、預期輸出和驗收標準。呼叫方式與可用工具取決於宿主環境，本站不假定存在通用的安裝指令。
- 先在暫存專案或輸入副本上試用。涉及修改檔案、遠端服務或計費資源的操作，應逐項核對後再授權。
- 依照原文檢查項目和自己的需求驗證輸出。成功觸發或儲存庫 Star 較高，都不能證明結果正確。
繼續閱讀原始文件
相關 Skill
翻譯與介紹範圍
本頁從固定版本的上游 SKILL.md 整理用途與操作片段，譯文使用輔助翻譯。它不是完整手冊，也不代表經過相容性實測；使用前請核對原文及其引用檔案。
介紹依據下方列出的固定版本；目前儲存庫動態和目錄擷取時間分開呈現。
- 固定版本來源
- 閱讀原文 ↗
- 原文擷取時間
- 來源提交版本
fabc634a893f62ad5c2039830397efa35fa62715- 原文 SHA-256
829659aec34224970fe7ed619729fdc7849fc5dd696e2000256c3ee0b517eff7