Mindket

Embedding Draw Challenge

新上架第 1 版 · 更新于

概览

google 做的一个围绕 EmbeddingGemma 2 模型的 Gradio 绘画挑战。卡片没有给出规则,所以只有打开页面才能看到怎么玩。

Embedding Draw Challenge 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。

速览

你需要
  • Python 3.12
  • huggingface_hub 包,第一条命令会安装它
  • requirements.txt 里列出的包
用在
  • 网页浏览器:打开 Hugging Face 上的 Space 页面直接玩。
  • Windows、macOS 或 Linux:用 Python 3.12 在自己的电脑上运行一份副本。
先运行
pip install -U huggingface_hub
hf download google/embedding-draw-challenge --repo-type space --local-dir embedding-draw-challenge
cd embedding-draw-challenge

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Embedding Draw Challenge 是 google 账号的一个 Gradio 演示,围绕 EmbeddingGemma 2 做了一个绘画挑战。这个 Space 列出了模型 google/embeddinggemma-2 和一个名为 gg-hf-em/embeddinggemma-2-eap-extras 的数据集。卡片只有一行,没有说明规则,也没有说明每一轮怎样评分。

适合谁

想通过游戏而不是阅读来试用一个嵌入模型的人。开发者也可以读那个很短的应用文件,看一个挑战页面是怎样搭起来的。

行业使用者使用方式例子
教育机器学习的学生通过玩来了解嵌入模型做什么打开页面,参加挑战
研究机器学习从业者在自己的输入上试用 EmbeddingGemma 2玩一轮,记下它的反应
软件开发者研究一个围绕模型的小型 Gradio 游戏在本地副本里读 app.py

如果你需要书面规则或文档,可以跳过它,因为卡片里没有。

用在哪里

这个演示可以在这些地方运行:

  • 网页浏览器:打开 Hugging Face 上的 Space 页面直接玩。
  • Windows、macOS 或 Linux:用 Python 3.12 在自己的电脑上运行一份副本。
Use caseWhoWhat they get back
玩这个挑战任何人每一轮之后 Gradio 页面显示的内容
试用模型机器学习从业者对 EmbeddingGemma 2 的上手体验
本地运行开发者在自己电脑上运行的同一个 Gradio 应用

如何设置

先准备好这几样:

  • Python 3.12
  • huggingface_hub 包,第一条命令会安装它
  • requirements.txt 里列出的包

这些步骤会下载 Space,安装 Space 使用的 Gradio 版本,再装其他包并启动应用。

  1. 安装 Hugging Face 包。
  2. 把 Space 下载到名为 embedding-draw-challenge 的文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 6.28.0。
  5. 安装 requirements.txt 里的包。
  6. 启动应用。
pip install -U huggingface_hub
hf download google/embedding-draw-challenge --repo-type space --local-dir embedding-draw-challenge
cd embedding-draw-challenge
pip install gradio==6.28.0
pip install -r requirements.txt
python app.py

如何使用

打开 Hugging Face 上的 Space 页面,或者用上面的最后一条命令启动本地副本。Gradio 会提供一个网页,你在上面参加挑战。卡片没有列出各个控件。

python app.py
ToolWhat it does
hf download把 Space 的文件复制到你电脑上的文件夹
python app.py在你自己的电脑上启动挑战

示例

你打开 Space,开始挑战。因为卡片没有说明规则,所以你按页面给出的提示去做,看模型有什么反应。

新手与专家

如果你是新手,先打开 Space 页面,玩一轮。这一步不用安装任何东西。嵌入模型把输入变成可以比较的数字,这个游戏是感受这一点的一种方式。

如果你熟悉这个领域:这个 Space 列出了 google/embeddinggemma-2 和一个额外的数据集。按卡片自己的列表,仓库有三个文件,即 app.py、requirements.txt 和 README,托管的 Space 运行在 zero-a10g 硬件档位上。

  1. 你打开 Space 或运行 python app.py
  2. Gradio 页面开始挑战
  3. EmbeddingGemma 2 处理你的输入
  4. 页面显示结果

注意事项

卡片几乎什么都没说,所以在依赖它之前请先在页面上查看规则。

  • License: apache-2,按 Space 所列。
  • Cost to run: 未提及。托管的 Space 运行在 Hugging Face 的 zero-a10g 硬件上。
  • Data it reaches: 你交给挑战的内容,以及它列出的模型和数据集。本地副本会从 Hugging Face 下载 Space 的文件。
  • Not for: 卡片未说明。

README 和文件

README

Embedding Draw Challenge

google 做的一个围绕 EmbeddingGemma 2 模型的 Gradio 绘画挑战。卡片没有给出规则,所以只有打开页面才能看到怎么玩。

由 google 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。

简介

它是什么:Embedding Draw Challenge 是 google 账号的一个 Gradio 演示,围绕 EmbeddingGemma 2 做了一个绘画挑战。这个 Space 列出了模型 google/embeddinggemma-2 和一个名为 gg-hf-em/embeddinggemma-2-eap-extras 的数据集。卡片只有一行,没有说明规则,也没有说明每一轮怎样评分。

适合谁:想通过游戏而不是阅读来试用一个嵌入模型的人。开发者也可以读那个很短的应用文件,看一个挑战页面是怎样搭起来的。

行业 | 使用者 | 使用方式 | 例子
教育 | 机器学习的学生 | 通过玩来了解嵌入模型做什么 | 打开页面,参加挑战
研究 | 机器学习从业者 | 在自己的输入上试用 EmbeddingGemma 2 | 玩一轮,记下它的反应
软件 | 开发者 | 研究一个围绕模型的小型 Gradio 游戏 | 在本地副本里读 app.py

如果你需要书面规则或文档,可以跳过它,因为卡片里没有。

用在哪里:这个演示可以在这些地方运行:

  • 网页浏览器:打开 Hugging Face 上的 Space 页面直接玩。
  • Windows、macOS 或 Linux:用 Python 3.12 在自己的电脑上运行一份副本。
Use case | Who | What they get back
玩这个挑战 | 任何人 | 每一轮之后 Gradio 页面显示的内容
试用模型 | 机器学习从业者 | 对 EmbeddingGemma 2 的上手体验
本地运行 | 开发者 | 在自己电脑上运行的同一个 Gradio 应用

如何设置:先准备好这几样:

  • Python 3.12
  • huggingface_hub 包,第一条命令会安装它
  • requirements.txt 里列出的包

这些步骤会下载 Space,安装 Space 使用的 Gradio 版本,再装其他包并启动应用。

  1. 安装 Hugging Face 包。
  2. 把 Space 下载到名为 embedding-draw-challenge 的文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 6.28.0。
  5. 安装 requirements.txt 里的包。
  6. 启动应用。
pip install -U huggingface_hub
hf download google/embedding-draw-challenge --repo-type space --local-dir embedding-draw-challenge
cd embedding-draw-challenge
pip install gradio==6.28.0
pip install -r requirements.txt
python app.py

如何使用:打开 Hugging Face 上的 Space 页面,或者用上面的最后一条命令启动本地副本。Gradio 会提供一个网页,你在上面参加挑战。卡片没有列出各个控件。

python app.py
Tool | What it does
hf download | 把 Space 的文件复制到你电脑上的文件夹
python app.py | 在你自己的电脑上启动挑战

示例:你打开 Space,开始挑战。因为卡片没有说明规则,所以你按页面给出的提示去做,看模型有什么反应。

新手与专家:如果你是新手,先打开 Space 页面,玩一轮。这一步不用安装任何东西。嵌入模型把输入变成可以比较的数字,这个游戏是感受这一点的一种方式。

如果你熟悉这个领域:这个 Space 列出了 google/embeddinggemma-2 和一个额外的数据集。按卡片自己的列表,仓库有三个文件,即 app.py、requirements.txt 和 README,托管的 Space 运行在 zero-a10g 硬件档位上。

你打开 Space 或运行 python app.py
Gradio 页面开始挑战
EmbeddingGemma 2 处理你的输入
页面显示结果

注意事项:卡片几乎什么都没说,所以在依赖它之前请先在页面上查看规则。

  • License: apache-2,按 Space 所列。
  • Cost to run: 未提及。托管的 Space 运行在 Hugging Face 的 zero-a10g 硬件上。
  • Data it reaches: 你交给挑战的内容,以及它列出的模型和数据集。本地副本会从 Hugging Face 下载 Space 的文件。
  • Not for: 卡片未说明。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:30
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/google/embedding-draw-challenge
  • 文件:https://huggingface.co/spaces/google/embedding-draw-challenge/tree/main

试用

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。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

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
Embedding Draw Challenge 本页30gradioapache-2.0
Unit 1 Quiz - AI Agent Fundementals共有 gradio360gradioapache-2.0
Unit 2.1 smolagents Code Quiz共有 gradio63gradioapache-2.0
Unit 1 Quiz - Model Context Protocol (MCP) Fundementals共有 gradio58gradioapache-2.0
Tamazight Text-to-Speech共有 gradio41gradiocc-by-4.0
Arabic Auto Tashkeel共有 gradio29gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

教育类的相似商品

查看教育类的全部商品

Vāgdhenu

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。

新上架

Limite 1B - Violetto

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。

新上架

Agaram 2.5B

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。

新上架