반응형
1. Hugging Face란?
Hugging Face는 모델 허브(Model Hub), Transformers 라이브러리, Datasets, Spaces(앱 공유 플랫폼) 등을 제공하는 오픈소스 AI 플랫폼입니다.
즉, 모델 탐색 → 코드에서 불러오기 → 커스터마이징 → 웹으로 배포까지 가능한 AI 개발자 효자 도구입니다
2. 주요 기능 & 장점
• Model Hub
- 170만 개 이상의 모델과 40만 개 이상의 데이터셋이 공개되어 있습니다.
- 필요한 모델을 코드 몇 줄로 바로 가져올 수 있습니다.
• Transformers 라이브러리
- NLP는 물론, 이미지·오디오·멀티모달 모델까지 지원.
pipeline
,Trainer
같은 고수준 API로 몇 줄 코드로 추론이나 학습 가능.
• Datasets
- 다양한 도메인의 데이터셋을 한 줄 코드로 로드하고 전처리 가능.
- Apache Arrow 기반으로 효율적인 메모리·스트리밍 처리 지원.
• Spaces
- Gradio 또는 Streamlit으로 만든 앱을 Git처럼 관리하고, 커밋하면 자동 배포
3. 시작 가이드 예제
1) 라이브러리 설치
pip install transformers datasets gradio streamlit
2) 모델 허브 사용 – 감정 분석
from transformers import pipeline
sentiment = pipeline("sentiment-analysis")
print(sentiment("Hugging Face is developer-friendly!"))
# 예) [{'label': 'POSITIVE', 'score': 0.99}]
3) 번역 예제
from transformers import pipeline
translator = pipeline("translation_en_to_ko")
print(translator("AI transforms development.")[0]["translation_text"])
# 예) "AI는 개발을 변화시킵니다."
4) 데이터셋 예제
from datasets import load_dataset
ds = load_dataset("imdb", split="train[:100]")
print(ds[0])
5) 웹앱 배포 – Gradio 예제
# app.py
from transformers import pipeline
import gradio as gr
classifier = pipeline("sentiment-analysis")
def predict(text):
return classifier(text)[0]
iface = gr.Interface(fn=predict, inputs="text", outputs="label")
iface.launch()
requirements.txt
에gradio
,transformers
,torch
추가- GitHub에 푸시 → Spaces에서 Gradio SDK 선택 → 자동 배포
4. Spaces 배포 워크플로우
- Hugging Face 계정 가입 → Spaces 탭 클릭
- 새로운 Space 생성 (SDK: Gradio 또는 Streamlit 선택)
- 로컬에서 Git clone → 앱 코드 +
requirements.txt
작성 git push
→ 자동으로 빌드 및 배포 → URL 발급- 배포 로그 확인 가능
5. 개발자에게 좋은 이유
- 즉시 사용 가능한 사전학습 모델 → 개발 속도 대폭 단축
- 프레임워크 유연성 → PyTorch, TensorFlow, JAX 모두 지원
- 웹으로 빠르게 배포 → Gradio/Streamlit 연동으로 앱 공유 가능
- 강력한 커뮤니티 → 모델, 데이터셋, 데모 앱 공유 및 피드백 활발
요약
Hugging Face는 개발자 친화적인 AI 플랫폼입니다.
- 코드 몇 줄로 모델 활용
- 데이터셋도 간편하게 로드
- Gradio/Streamlit으로 빠른 배포
NLP뿐 아니라 이미지, 오디오, 멀티모달까지 쉽게 다룰 수 있으며, 오픈소스 중심 커뮤니티 덕분에 협업과 공유도 뛰어납니다.
반응형
'개발 창고 > AI' 카테고리의 다른 글
Gradio vs Streamlit: AI 모델 데모와 대시보드, 어떤 도구가 맞을까? (3) | 2025.06.20 |
---|---|
Transformers로 모델 파인튜닝하기: 개발자 실전 가이드 (3) | 2025.06.19 |
Streamlit 앱을 Hugging Face Spaces에 배포하는 가이드 (3) | 2025.06.17 |
AI 모델 성능을 좌우하는 데이터 전처리, 어떻게 해야 할까? (1) | 2025.06.17 |
LoRA에서 `target_modules`란 무엇인가요? (1) | 2025.06.17 |