[go: up one dir, main page]

This is the Trace Id: 372f7ac3f9b3dc48874934a9f58fcca5
Avançar para o conteúdo principal
Azure

Hugging Face no Azure

Implemente dezenas de milhares de modelos pré-preparados da Hugging Face Transformers no Azure Machine Learning com pontos finais da Hugging Face.

Crie modelos de machine learning mais rapidamente com a Hugging Face no Azure

A Hugging Face é a criadora da Transformers, a principal biblioteca open-source para a criação de modelos de machine learning de ponta. Utilize o serviço de pontos finais da Hugging Face (pré-visualização), disponível no Azure Marketplace, para implementar modelos de machine learning num ponto final dedicado com a infraestrutura de nível empresarial do Azure.

Modelos de machine learning para processamento de linguagem natural, áudio e imagem digitalizada no Hub da Hugging Face

Azure Kubernetes Service (AKS)

Selecione de entre dezenas de milhares de modelos de machine learning para Processamento de Linguagem Natural, Áudio e Imagem Digitalizada, disponíveis publicamente no Hub da Hugging Face, para acelerar a sua carga de trabalho de aprendizagem automática.

Serviços de dados

Acompanhe o ritmo da inovação ao mudar facilmente de modelos de produção. Ajude a manter as suas operações de aprendizagem automática (MLOps) seguras com o Azure Private Link. Os seus dados nunca saem da sua cloud privada virtual.

Voltar aos separadores
Ler o anúncio sobre a Hugging Face no Azure

Saiba mais sobre a Hugging Face no Azure

Suporte de peritos

Obtenha suporte direto dos peritos em aprendizagem automática da Hugging Face.

Hub de modelos privados

Experimente, colabore, prepare e forneça modelos de ponta no seu próprio Hub da Hugging Face privado.

Curso da Hugging Face

Saiba tudo o que precisa de saber sobre a Hugging Face Transformers com um curso gratuito.

Os clientes estão a fazer coisas fantásticas com a Hugging Face no Azure

Democratizar a aprendizagem automática responsável

"Os pontos finais da Hugging Face tratam dos problemas mais urgentes no que toca à implementação de modelo. Com apenas alguns cliques ou algumas linhas de código do SDK do Azure, seleciona um modelo e um tipo de tarefa e pode começar a prever em minutos."

Mabu Manaileng, Engenheiro Principal de IA, Standard Bank

Pessoas a conversar numa reunião

Perguntas mais frequentes sobre a Hugging Face no Azure

  • Transfira os pontos finais da Hugging Face do Azure Marketplace, selecione um modelo de machine learning e um tipo de tarefa, selecione um tipo de instância do Azure e crie um ponto final. Dentro de minutos, pode testar o seu ponto final e adicionar a respetiva API de inferência à sua aplicação.

  • O serviço de pontos finais da Hugging Face é gratuito enquanto está em pré-visualização. Paga apenas pelos custos de computação através da sua subscrição do Azure.

  • A Hugging Face no Azure é uma forma fácil de alcançar pontos finais de inferência para modelos da Hugging Face na sua conta do Azure através do Azure Machine Learning. A API de Inferência é uma solução sem servidor oferecida pela Hugging Face como um serviço alojado.

  • Para implementar os seus próprios modelos em pontos finais da Hugging Face, carregue-os para a sua conta da Hugging Face. O alojamento de modelos privados ilimitado está disponível gratuitamente.

  • Sim, pode implementar os modelos da Hugging Face com a biblioteca open-source Transformers ou com serviços geridos ou sem servidor. Com a Hugging Face no Azure, não precisa de criar ou manter infraestruturas. Além disso, beneficia da segurança e conformidade do Azure Machine Learning. A Hugging Face no Azure também fornece dimensionamento automático e ligações privadas através do Azure Private Link.

Está tudo pronto para começar, vamos configurar a sua conta gratuita do Azure

Começar gratuitamente
#chatEngagement { color: #fff; background-color: #006abb; border: 1px solid #0078d4; border-radius: 4px; display: inline-block; font-size: 14px; font-weight: 600; padding: 10px 16px; } #chatEngagement:hover, #chatEngagement:active { text-decoration: underline; } #chatDisengagement { color: #0062ad; display: inline-block; font-size: 14px; font-weight: 600; padding-right: 1em; position: relative; text-decoration: none; border: none; background-color: transparent; } #chatEngagement:focus { outline: 1px solid #fff; outline-offset: -4px; text-decoration: underline; } #chatDisengagement:after { background-image: url("data:image/svg+xml,%3Csvg viewBox='0 0 12 12' fill='none' xmlns='http://www.w3.org/2000/svg'%3E%3Cpath d='M4 1L9 6L4 11' stroke='%230062ad'/%3E%3C/svg%3E"); content: ' '; height: 12px; width: 12px; display: inline-flex; vertical-align: middle; margin-left: .2em; transition: all .2s ease-in-out; position: absolute; bottom: -6px; background-color: transparent; } #chatDisengagement:focus { outline-offset: 10px; } #lp-iframe-container { border: 0; bottom: 0; box-shadow: 0 5px 15px 0 #00000033; height: 500px; left: auto !important; min-width: 300px; max-width: 350px; padding: 0; position: fixed; right: 0; top: auto !important; z-index: 1031; } #iFrame { height: 100%; width: 100%; border: 0; } #proactive-chat-dialog { position: fixed; z-index: 10400; bottom: -24px; right: 11px; } #proactive-chat-dialog .chatContainer { min-width: 272px; height: 277px; color: #000; line-height: 0; position: relative; border: 0 !important; background-repeat: no-repeat !important; background-color: #fff !important; margin: auto; padding: 12px; background-size: contain !important; box-shadow: 0 2.8px 2.2px rgba(0, 0, 0, 0.034), 0 6.7px 5.3px rgba(0, 0, 0, 0.048), 0 12.5px 10px rgba(0, 0, 0, 0.06), 0 22.3px 17.9px rgba(0, 0, 0, 0.072), 0 41.8px 33.4px rgba(0, 0, 0, 0.086), 0 100px 80px rgba(0, 0, 0, 0.12); } #proactive-chat-dialog .chatContainer .chat-cta { text-align: center; font-size: 24px; font-weight: 600; position: relative; top: 160px; } #proactive-chat-dialog .chatContainer .chat-buttons { position: relative; top: 185px; width: 100%; display: flex; gap: 1em; justify-content: center; flex-direction: column; } #proactive-chat-dialog .chatContainer .chat-buttons .arrow-link { width: auto; margin: auto; } #proactive-chat-dialog .chatContainer .chat-buttons .arrow-link:after { bottom: -6px; } @media only screen and (min-width: 33.75em) { #proactive-chat-dialog .chatContainer .chat-buttons { top: 200px; flex-direction: row; } } </style> <div id="proactive-chat-dialog" class="proactive-chat-hidden"> <div class="chatContainer" style="background: url('{{module.bg-img-src}}') no-repeat top left" > <div class="chat-cta">{{module.heading}}</div> <div class="chat-buttons"> <button type="button" id="chatEngagement" aria-label="{{chat-engagement.aria-label}}" class="button button--primary01 lp-chatnow" data-lp-event="click" data-bi-id="expand-chat" data-bi-an="chat" data-bi-chtid="azure chat 1" data-bi-chtnm="live person proactive chat" data-bi-bhvr="16" data-bi-tn="button button--primary01 lp-chatnow" > {{chat-engagement.btn-txt}} </button> <button type="button" id="chatDisengagement" aria-label="{{chat-disengagement.aria-label}}" class="arrow-link lp-nothanks" data-lp-event="close" data-bi-id="collapse-chat" data-bi-an="chat" data-bi-chtid="azure chat 1" data-bi-chtnm="live person proactive chat" data-bi-tn="arrow-link lp-nothanks" > {{chat-disengagement.btn-txt}} </button> </div> </div> </div> '/>