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。
把 Hugging Face 的 AutoTrain 打包成 Docker 应用,AutoTrain 是一种免写代码训练 AI 模型的方式。适合想不写代码训练模型的人,可以在浏览器里用,也可以在自己的电脑上运行。
Finetune 是一款工具包,属于开发类,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 josephwong135/finetune --repo-type space --local-dir finetune cd finetune
Finetune 是围绕 AutoTrain 搭建的 Docker Space,AutoTrain 是 Hugging Face 提供的免写代码训练 AI 模型的方式。README 承诺不用写代码就能创建模型,并指向 AutoTrain 文档。仓库很小,只有一个构建应用的 Dockerfile 和一份 README。
想在不编程的情况下训练或微调模型的人,以及想要一套现成的 AutoTrain Docker 配置的开发者,都适合用它。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 机器学习 | 分析师和爱好者 | 不写代码就设置一个训练任务 | 打开这个 Space,按 AutoTrain 文档操作 |
| 研究 | 学生 | 把模型训练当作第一个项目来试 | 走一遍应用,看清各个步骤 |
| 软件 | 开发者 | 构建 Docker 镜像并在本地运行 | 构建名为 finetune 的镜像并发布 7860 端口 |
| 教育 | 老师 | 演示免写代码的模型训练是怎么回事 | 在共享屏幕上带全班走一遍这个 Space |
喜欢自己写训练代码的人可以跳过。
它可以在这些地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 不写代码训练模型 | 不会编程的人 | 浏览器里的一个训练应用 |
| 在自己的电脑上运行应用 | 开发者 | 一个在 7860 端口提供服务的本地容器 |
| 了解应用是怎么搭的 | 学习者 | 一个 Dockerfile 和一份 README 可供研究 |
在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本,需要下面这些。
pip install -U huggingface_hub hf download josephwong135/finetune --repo-type space --local-dir finetune cd finetune docker build -t finetune . docker run -it -p 7860:7860 finetune
打开 Hugging Face 上的 Space 页面,或者启动容器,再用浏览器访问你电脑的 7860 端口。来源没有描述各个界面,所以具体步骤请看 AutoTrain 文档。
docker run -it -p 7860:7860 finetune
| Tool | What it does |
|---|---|
| Dockerfile | 定义应用镜像怎么构建 |
| docker build | 构建名为 finetune 的镜像 |
| docker run | 启动容器并发布 7860 端口 |
| hf download | 把这个 Space 的文件复制到你的电脑 |
你先用上面的 docker build 命令构建镜像,再用 docker run 命令启动它。容器随后在 7860 端口提供应用,你的浏览器可以在那里访问它。
微调的意思是拿一个已有的模型,用你自己的样例继续训练。AutoTrain 让你不写代码也能做到。第一件可以试的小事,是先打开在线的 Space,再考虑在本地搭建。
仓库里除了 Dockerfile 没有别的应用代码,所以应用是什么样,取决于这个 Dockerfile 安装了什么,构建前先读一遍。README 还附有 Abhishek Thakur 的一篇 AutoTrain 论文的引用。
README 基本上只是指向 AutoTrain 文档,大部分细节都在那里。
把 Hugging Face 的 AutoTrain 打包成 Docker 应用,AutoTrain 是一种免写代码训练 AI 模型的方式。适合想不写代码训练模型的人,可以在浏览器里用,也可以在自己的电脑上运行。
由 josephwong135 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:Finetune 是围绕 AutoTrain 搭建的 Docker Space,AutoTrain 是 Hugging Face 提供的免写代码训练 AI 模型的方式。README 承诺不用写代码就能创建模型,并指向 AutoTrain 文档。仓库很小,只有一个构建应用的 Dockerfile 和一份 README。
适合谁:想在不编程的情况下训练或微调模型的人,以及想要一套现成的 AutoTrain Docker 配置的开发者,都适合用它。
Industry | Who uses it | How they use it | Example
机器学习 | 分析师和爱好者 | 不写代码就设置一个训练任务 | 打开这个 Space,按 AutoTrain 文档操作
研究 | 学生 | 把模型训练当作第一个项目来试 | 走一遍应用,看清各个步骤
软件 | 开发者 | 构建 Docker 镜像并在本地运行 | 构建名为 finetune 的镜像并发布 7860 端口
教育 | 老师 | 演示免写代码的模型训练是怎么回事 | 在共享屏幕上带全班走一遍这个 Space
喜欢自己写训练代码的人可以跳过。
用在哪里:它可以在这些地方运行。
Use case | Who | What they get back
不写代码训练模型 | 不会编程的人 | 浏览器里的一个训练应用
在自己的电脑上运行应用 | 开发者 | 一个在 7860 端口提供服务的本地容器
了解应用是怎么搭的 | 学习者 | 一个 Dockerfile 和一份 README 可供研究
如何设置:在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本,需要下面这些。
pip install -U huggingface_hub
hf download josephwong135/finetune --repo-type space --local-dir finetune
cd finetune
docker build -t finetune .
docker run -it -p 7860:7860 finetune
如何使用:打开 Hugging Face 上的 Space 页面,或者启动容器,再用浏览器访问你电脑的 7860 端口。来源没有描述各个界面,所以具体步骤请看 AutoTrain 文档。
docker run -it -p 7860:7860 finetune
Tool | What it does
Dockerfile | 定义应用镜像怎么构建
docker build | 构建名为 finetune 的镜像
docker run | 启动容器并发布 7860 端口
hf download | 把这个 Space 的文件复制到你的电脑
示例:你先用上面的 docker build 命令构建镜像,再用 docker run 命令启动它。容器随后在 7860 端口提供应用,你的浏览器可以在那里访问它。
新手与专家:微调的意思是拿一个已有的模型,用你自己的样例继续训练。AutoTrain 让你不写代码也能做到。第一件可以试的小事,是先打开在线的 Space,再考虑在本地搭建。
仓库里除了 Dockerfile 没有别的应用代码,所以应用是什么样,取决于这个 Dockerfile 安装了什么,构建前先读一遍。README 还附有 Abhishek Thakur 的一篇 AutoTrain 论文的引用。
你打开 Space 或启动容器
Dockerfile 定义了运行的内容
应用监听 7860 端口
你在浏览器里使用 AutoTrain 界面
注意事项:README 基本上只是指向 AutoTrain 文档,大部分细节都在那里。
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 |
|---|---|---|---|---|
| Finetune 本页 | 3 | docker | apache-2.0 | |
| Zero GPU Spaces共有 docker | 985 | docker | mit | |
| Kimodo共有 docker | 340 | docker | apache-2.0 | |
| Harness Leaderboard共有 docker | 323 | docker | apache-2.0 | |
| Flowise共有 docker | 132 | docker | mit | |
| Multitrack Midi Music Generator共有 docker | 130 | docker | mit |
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。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。