Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
一个 Gradio 演示,从标题看展示的是 Alibi 库里的积分梯度解释方法。适合想看模型预测如何被解释的学生和开发者。
Demo Integrated Gradients Alibi Gradio 是一款工具包,属于教育类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download mawady/Demo-integrated-gradients-alibi-gradio --repo-type space --local-dir Demo-integrated-gradients-alibi-gradio cd Demo-integrated-gradients-alibi-gradio
这个 Space 是 mawady 做的 Gradio 演示。它的标题提到了积分梯度和 Alibi,所以看起来是在模型预测上展示这种解释方法。积分梯度通常用来显示输入的哪些部分把模型推向了它的答案。页面没有说明,所以模型和输入没有得到确认。
想看模型解释实际效果的学生和开发者,以及想找一个可解释性工具的简短 Gradio 示例的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 教育 | 机器学习学生 | 运行演示,看归因方法显示什么 | 打开 Space,看高亮的结果 |
| 软件 | 开发者 | 把项目当作 Gradio 可解释性演示的参考写法 | 换成自己的模型 |
| 研究 | 可解释性方向的读者 | 在一个样例上看一种归因方法 | 把解释和自己的预期做对比 |
如果你需要完整的可解释性工具包,可以跳过它,因为这只是一个三文件的演示。
| Use case | Who | What they get back |
|---|---|---|
| 在线试用一种解释方法 | 好奇的任何人 | 演示为它的样例产生的解释 |
| 研究一个简短的可解释性演示 | 开发者 | 一个围绕 Alibi 的小型 Python 项目 |
pip install -U huggingface_hub hf download mawady/Demo-integrated-gradients-alibi-gradio --repo-type space --local-dir Demo-integrated-gradients-alibi-gradio cd Demo-integrated-gradients-alibi-gradio pip install gradio pip install -r requirements.txt python app.py
在浏览器里打开 Space 页面,使用页面显示的控件。如果是本地副本,运行应用,然后打开 Gradio 为你打开的页面。
python app.py
| Tool | What it does |
|---|---|
| python app.py | 在你的电脑上启动 Gradio 应用 |
| hf download | 把 Space 的文件复制到本地文件夹 |
打开 Space,运行它的默认输入。页面应该会显示该方法为这个输入产生的解释。页面没有描述控件或输出,所以请按你看到的操作。
如果你是新手,打开 Space,用默认输入运行一次。然后把结果当作模型关注点的提示,而不是证明。
如果你熟悉这个领域,标题指向 Alibi 的积分梯度。页面没有指名模型、基线或步数,所以在得出结论之前,请先读 app.py。
一个 Gradio 演示,从标题看展示的是 Alibi 库里的积分梯度解释方法。适合想看模型预测如何被解释的学生和开发者。
由 mawady 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个 Space 是 mawady 做的 Gradio 演示。它的标题提到了积分梯度和 Alibi,所以看起来是在模型预测上展示这种解释方法。积分梯度通常用来显示输入的哪些部分把模型推向了它的答案。页面没有说明,所以模型和输入没有得到确认。
适合谁:想看模型解释实际效果的学生和开发者,以及想找一个可解释性工具的简短 Gradio 示例的人。
Industry | Who uses it | How they use it | Example
教育 | 机器学习学生 | 运行演示,看归因方法显示什么 | 打开 Space,看高亮的结果
软件 | 开发者 | 把项目当作 Gradio 可解释性演示的参考写法 | 换成自己的模型
研究 | 可解释性方向的读者 | 在一个样例上看一种归因方法 | 把解释和自己的预期做对比
如果你需要完整的可解释性工具包,可以跳过它,因为这只是一个三文件的演示。
用在哪里:
Use case | Who | What they get back
在线试用一种解释方法 | 好奇的任何人 | 演示为它的样例产生的解释
研究一个简短的可解释性演示 | 开发者 | 一个围绕 Alibi 的小型 Python 项目
如何设置:
pip install -U huggingface_hub
hf download mawady/Demo-integrated-gradients-alibi-gradio --repo-type space --local-dir Demo-integrated-gradients-alibi-gradio
cd Demo-integrated-gradients-alibi-gradio
pip install gradio
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开 Space 页面,使用页面显示的控件。如果是本地副本,运行应用,然后打开 Gradio 为你打开的页面。
python app.py
Tool | What it does
python app.py | 在你的电脑上启动 Gradio 应用
hf download | 把 Space 的文件复制到本地文件夹
示例:打开 Space,运行它的默认输入。页面应该会显示该方法为这个输入产生的解释。页面没有描述控件或输出,所以请按你看到的操作。
新手与专家:如果你是新手,打开 Space,用默认输入运行一次。然后把结果当作模型关注点的提示,而不是证明。
如果你熟悉这个领域,标题指向 Alibi 的积分梯度。页面没有指名模型、基线或步数,所以在得出结论之前,请先读 app.py。
输入进入应用
模型做出预测
积分梯度给输入打分
Gradio 显示解释
注意事项:
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Demo Integrated Gradients Alibi Gradio 本页 | 2 | gradio | mit | |
| Unit 1 Quiz - AI Agent Fundementals共有 gradio | 360 | gradio | apache-2.0 | |
| Unit 2.1 smolagents Code Quiz共有 gradio | 63 | gradio | apache-2.0 | |
| Unit 1 Quiz - Model Context Protocol (MCP) Fundementals共有 gradio | 58 | gradio | apache-2.0 | |
| Tamazight Text-to-Speech共有 gradio | 41 | gradio | cc-by-4.0 | |
| Embedding Draw Challenge共有 gradio | 30 | gradio | apache-2.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
prathoshap · 工具包
用一个训练好的声音,以吟诵风格朗读古典梵语诗节,由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。
paradigma-inc · 工具包
用一个从头训练的 1B 参数模型解决难度很高的数学题,追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。
murai-labs · 工具包
能用泰米尔文、罗马化泰米尔语和英语聊天,也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型,适合泰米尔语使用者、研究人员和开发者。