# 库

Hub 支持开源生态系统中的数十个库。借助 `huggingface_hub` Python 库，您可以轻松地在 Hub 上共享您的模型。Hub 支持许多库，我们正在努力扩展这一支持范围。我们很高兴欢迎一批推动机器学习发展的开源库加入 Hub。

下表总结了受支持的库及其集成程度。您可以在 [the model-libraries.ts file](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts) 中找到我们支持的所有库。

| 库                                                                     | 描述                                                                          | 推理服务提供商 | 小部件 | 从 Hub 下载 | 推送到 Hub |
|-----------------------------------------------------------------------------|--------------------------------------------------------------------------------------|---|---:|---|---|
| [适配器](./adapters) | 用于参数高效且模块化微调的统一 Transformers 插件。                                                | ✅  | ✅  | ✅ | ✅ |
| [AllenNLP](./allennlp)                             | 一个基于 PyTorch 构建的开源 NLP 研究库。                               | ✅ | ✅ | ✅ | ❌ |
| [Asteroid](./asteroid)                       | 基于 PyTorch 的音频源分离工具包                                        | ✅ | ✅ | ✅ | ❌ |
| [BERTopic](./bertopic)                           | BERTopic 是一个用于文本和图像的主题建模库                             | ✅ | ✅ | ✅ | ✅ | 
| [Diffusers](./diffusers)                       | 用于扩散模型推理和训练的模块化工具箱                     | ✅ | ✅ | ✅ | ✅ |
| [docTR](https://github.com/mindee/doctr)                                    | PyTorch & TensorFlow 中用于 OCR 相关任务的模型和数据集                    | ✅ | ✅ | ✅ | ❌ |
| [ESPnet](./espnet)                                  | 端到端语音处理工具包（例如 TTS）                                      | ✅ | ✅ | ✅ | ❌ |
| [fastai](./fastai)                                  | 用于训练快速且准确、输出效果达到最先进水平的模型的库。             | ✅ | ✅ | ✅ | ✅ |
| [Keras](./keras)                              | 开源多后端深度学习框架，支持 JAX、TensorFlow 和 PyTorch。 | ❌ | ❌ | ✅ | ✅ |
| [KerasNLP](https://keras.io/guides/keras_nlp/upload/)                              | 基于 Keras 构建的自然语言处理库，可原生支持 TensorFlow、JAX 或 PyTorch。 | ❌ | ❌ | ✅ | ✅ |
| [TF-Keras](./tf-keras)（旧版）                              | 一个遗留库，使用一致且简单的 API 来构建利用 TensorFlow 及其生态系统的应用模型。 | ❌ | ❌ | ✅ | ✅ |
| [Flair](./flair)                                  | 用于最先进自然语言处理的极简框架。                                      | ✅ | ✅ | ✅ | ✅ |
| [MBRL-Lib](https://github.com/facebookresearch/mbrl-lib)                    | MBRL 算法的 PyTorch 实现。                                          | ❌ | ❌ | ✅ | ✅ |
| [MidiTok](https://github.com/Natooz/MidiTok)                                | 用于符号音乐 / MIDI 文件的分词器。                                          | ❌ | ❌ | ✅ | ✅ |
| [ML-Agents](./ml-agents)                       | 使使用 Unity 制作的游戏和模拟能够作为训练智能代理的环境。 | ❌ | ❌ | ✅ | ✅ |
| [MLX](./mlx)                       | 由 Apple 打造的 Apple 芯片模型训练和推理框架。 | ❌ | ❌ | ✅ | ✅ |
| [NeMo](https://github.com/NVIDIA/NeMo)                                      | 专为研究人员打造的对话式 AI 工具包                                      | ✅ | ✅ | ✅ | ❌ |
| [OpenCLIP](./open_clip)                      | OpenAI CLIP 的开源实现库                              | ❌ | ❌ | ✅ | ✅ |  
| [PaddleNLP](./paddlenlp)                      | 基于 PaddlePaddle 构建的易用且功能强大的 NLP 库                           | ✅ | ✅ | ✅ | ✅ |
| [PEFT](./peft)                      | 前沿参数高效微调库                           | ✅ | ✅ | ✅ | ✅ |
| [Pyannote](https://github.com/pyannote/pyannote-audio)                      | 用于说话人分离的神经网络构建模块。                                      | ❌ | ❌ | ✅ | ❌ |
| [PyCTCDecode](https://github.com/kensho-technologies/pyctcdecode)           | 语言模型支持的 CTC 解码用于语音识别                         | ❌ | ❌ | ✅ | ❌ |
| [Pythae](https://github.com/clementchadebec/benchmark_VAE)                  | Python 中生成式自编码器的统一框架                              | ❌ | ❌ | ✅ | ✅ |
| [RL-Baselines3-Zoo](./rl-baselines3-zoo)            | 用于强化学习的训练框架，使用 [Stable Baselines3](https://github.com/DLR-RM/stable-baselines3)。| ❌ | ✅ | ✅ | ✅ |
| [Sample Factory](./sample-factory)           | 用于高吞吐量异步强化学习的代码库。                    | ❌ | ✅ | ✅ | ✅ |
| [Sentence Transformers](./sentence-transformers)    | 为句子、段落和图像计算稠密向量表示。          | ✅ | ✅ | ✅ | ✅ |
| [SetFit](./setfit)                             | 使用 Sentence Transformers 实现高效的少样本文本分类                    | ✅ | ✅ | ✅ | ✅ |
| [spaCy](./spacy)                                 | Python 和 Cython 中的高级自然语言处理。                           | ✅ | ✅ | ✅ | ✅ |
| [SpanMarker](./span_marker)                    | 熟悉、简单且最先进的命名实体识别。                      | ✅ | ✅ | ✅ | ✅ |
| [Scikit Learn（使用 skops）](https://skops.readthedocs.io/en/stable/)       | Python 中的机器学习。                                                          | ✅ | ✅ | ✅ | ✅ |
| [Speechbrain](./speechbrain)                               | 由 PyTorch 驱动的语音工具包。                                                    | ✅ | ✅ | ✅ | ❌ |
| [Stable-Baselines3](./stable-baselines3)            | 基于 PyTorch 的可靠深度强化学习算法实现集合 | ❌ | ✅ | ✅ | ✅ |
| [TensorFlowTTS](https://github.com/TensorSpeech/TensorFlowTTS)              | 实时最先进的语音合成架构。                           | ❌ | ❌ | ✅ | ❌ |
| [Timm](./timm)                   | 图像模型、脚本、预训练权重等的集合                        | ✅ | ✅ | ✅ | ✅ |
| [Transformers](./transformers)                 | 适用于 PyTorch、TensorFlow 和 JAX 的先进自然语言处理        | ✅ | ✅ | ✅ | ✅ |
| [Transformers.js](./transformers-js)                | 面向 Web 的先进机器学习。直接在浏览器中运行 🤗 Transformers，无需服务器！ | ❌ | ❌ | ✅ | ❌ |
| [Unity Sentis](./unity-sentis)                | Unity 3D 游戏引擎的推理引擎 | ❌ | ❌ | ❌ | ❌ |

### 如何为新的库添加支持？

如果您有兴趣添加您的库，请联系我们！详情请参阅[添加库指南](./models-adding-libraries)。