抱抱脸Huggingface#
本页面介绍如何在LangChain中使用抱抱脸huggingface生态系统（包括抱抱脸huggingface中心 (opens in a new tab)）。
它分为两个部分：安装和设置，然后是特定的抱抱脸huggingface包装器的引用。
安装和设置#
如果您想使用抱抱脸huggingface中心：
-
使用
pip install huggingface_hub安装中心客户端库 -
创建一个抱抱脸huggingface账户（免费！）
-
创建一个访问令牌 (opens in a new tab)并将其设置为环境变量（
HUGGINGFACEHUB_API_TOKEN）
如果您想使用Hugging Face Python库进行工作：
-
安装
pip install transformers以使用模型和分词器 -
安装
pip install datasets以使用数据集
Wrappers#
LLM#
存在两个Hugging Face LLM包装器，一个用于本地管道，另一个用于托管在Hugging Face Hub上的模型。
请注意，这些包装器仅适用于支持以下任务的模型：text2text-generation (opens in a new tab)，text-generation (opens in a new tab)
使用本地管道包装器：
from langchain.llms import HuggingFacePipeline
使用Hugging Face Hub上托管的模型的包装器：
from langchain.llms import HuggingFaceHub
有关Hugging Face Hub包装器的更详细演练，请参见这个notebook
嵌入#
有两个Hugging Face嵌入包装器，一个用于本地模型，一个用于Hugging Face Hub上托管的模型。
请注意，这些包装器仅适用于sentence-transformers模型 (opens in a new tab)。
要使用本地管道包装器：
from langchain.embeddings import HuggingFaceEmbeddings
要使用Hugging Face Hub上托管的模型的包装器：
from langchain.embeddings import HuggingFaceHubEmbeddings
有关更详细的操作说明，请参见此教程电脑
分词器#
您可以通过transformers包中提供的几个地方使用标记器。
默认情况下，它用于计算所有LLM的标记数。
您还可以在拆分文档时使用它来计算标记数
from langchain.text_splitter import CharacterTextSplitter
CharacterTextSplitter.from_huggingface_tokenizer(...)
有关更详细的操作说明，请参见此教程电脑
数据集#
Hugging Face Hub有很多非常好的数据集 (opens in a new tab)，可以用来评估您的LLM链。
关于如何使用它们进行评估的详细步骤，请参见这个notebook