Hugging Face Hub

所謂工欲善其事、必先利其器，在了解完 Hugging face 以後，那麼就是時候要利用免費的資源了，首先我們需要先註冊一隻帳號**加入抱臉怪**，Hugging face 在下載模型也能用Command Line進行，真的是十分方便。

Hugging face Model

在世界的彼端總會有人和你在做一樣的研究，結合你們的進度，在 Hugging Face Hub，你可以找到上萬個人家訓練好的 AI 模型。

如下圖，我們可以在 Models 這個選單，看到很多預訓好的 Models。

我們可以點進Models裡面，像是如圖這個stabilityai/stable-diffusion-xl-base-1.0

我們可以看到很多的資訊、中也有模型的原理和授權，包含了可用的AI 框架、引用的論文等等的資訊，其，在右邊的面版還有一個 Hosted inference API，你可以在這裡玩一下這個 Model，另外還有 Datasets 的部份，很多資料集可以取得。我們也會用到許多 Hugging Face Hub 的功能。

Hugging Face Library

除了 Hub 以外，最重要的就是 Hugging Face 提供的 Library 啦！有了這些 Library，我們才有辦法更方便地來使用 Transformer 做自然語言處理的應用程式。這些 Library 中，有三個特點會是最常使用到的。

Transformer

Transformer 是重中之重，Hugging Face 就是靠這個 Library 讓 Transformer 更容易被大家使用和進一步開發應用程式，Transformer是什麼我可以再做一整篇用來介紹注意力(attention)這個概念，並把這個變形金剛用連你啊罵養的吃餅乾金剛鸚鵡都能學得會，但在那之前，我先簡單帶過就好。
https://github.com/huggingface/transformers

Tokenizers

Tokenize 一般翻譯為斷詞，就是把一個句子裡面的每個字都拆出來。Tokenizers 還提供了很多 tokenization 的策略、還有前處理及後處理等功能。

https://github.com/huggingface/tokenizers

Datasets

製作AI模型，最大的困難點往往在於資料的收集，在未來精選的資料集甚至會是專櫃的商品。而 Hugging Face Datasets 提供了和 Hub 取得資料集的 API，還可以和 Pandas 做交互使用，讓工程師輕鬆處理資料。

https://github.com/huggingface/datasets