Tema 02: Ecosistema Hugging Face
Modelos listos para explorar
Hugging Face reúne modelos, datos, demos y herramientas en un mismo ecosistema.
El repositorio sirve como punto de encuentro para publicar, documentar, versionar y reutilizar artefactos de aprendizaje automático. Descargar un modelo no garantiza que sea adecuado para el dominio, la licencia o los recursos disponibles.
Cuatro piezas conectadas
Cada pieza resuelve una parte distinta del trabajo con modelos.
- ModelsPesos, configuración y model card.
- DatasetsDatos con carga y procesado comunes.
- TransformersAPI para carga, inferencia y ajuste.
- SpacesDemos web para probar modelos.
Model Hub y Dataset Hub almacenan recursos versionados. Transformers ofrece clases y pipelines para arquitecturas compatibles. Spaces permite publicar interfaces, habitualmente con Gradio o Streamlit.
De la búsqueda a tu aplicación
Primero exploras, después pruebas y solo entonces integras.
Empieza por la tarea
El filtro reduce candidatos; la documentación decide cuáles merece la pena probar.
Tarea y tipo de salida que necesitas.
Dominio de las imágenes de uso real.
Entorno de hardware, latencia y memoria.
Respuesta B. Exacto: la tarea reduce la búsqueda y la documentación permite juzgar la adecuación.
Las descargas, los likes y la fecha de actualización ayudan a priorizar la inspección, pero no sustituyen una evaluación en el dominio objetivo.
La ficha cuenta la historia
Una model card útil explica origen, uso, resultados y límites.
Conviene registrar el identificador y la revisión exacta del repositorio. Dos versiones con el mismo nombre pueden cambiar archivos, configuración o resultados.
Descargar no significa poder usar
Código, pesos, datos y aplicación final pueden tener condiciones distintas.
Apache-2.0, MIT y BSD suelen ser permisivas, pero hay que leer el texto concreto. OpenRAIL y licencias personalizadas pueden añadir restricciones de uso. Las variantes Creative Commons y las licencias “research only” no son intercambiables. Para una decisión jurídica o comercial, revisar los términos del recurso y del caso de uso.
Revisa el artefacto completo
La etiqueta del repositorio es el inicio de la revisión, no su conclusión.
Identifica la versión y todos sus archivos.
Comprueba términos de código, pesos y datos.
Registra la decisión y las obligaciones.
Respuesta B. Exacto: cada recurso puede añadir términos distintos.
Del Hub a la memoria
La primera ejecución descarga archivos; las siguientes pueden reutilizar la caché.
- IdentificadorRepositorio y revisión.
- DescargaConfiguración y pesos.
- MemoriaCPU, GPU y precisión.
- InferenciaEntrada, modelo y salida.
La caché local evita repetir transferencias, pero no reduce la memoria necesaria para ejecutar el modelo. En entornos reproducibles conviene fijar una revisión y controlar la ubicación de caché.
Cada archivo cumple una función
La configuración describe la arquitectura; los pesos contienen lo aprendido.
Safetensors evita ejecutar código de deserialización basado en pickle y permite leer los pesos de forma eficiente. Aun así, se debe revisar el repositorio y cualquier código personalizado solicitado por el modelo.
Una API, muchas arquitecturas
from_pretrained reconstruye el procesador y el modelo desde su repositorio.
from transformers import AutoImageProcessor, AutoModelForImageClassification
model_id = "google/vit-base-patch16-224"
processor = AutoImageProcessor.from_pretrained(model_id)
model = AutoModelForImageClassification.from_pretrained(model_id)Las clases Auto eligen una implementación compatible con la configuración. Para reproducibilidad se puede indicar una revisión concreta. El dispositivo y el tipo numérico se eligen según memoria, latencia y soporte del modelo.
Una prueba en pocas líneas
Un pipeline reúne preprocesado, inferencia y posprocesado para una tarea común.
from transformers import pipeline
detector = pipeline(
"object-detection",
model="PekingU/rtdetr_r50vd"
)
results = detector("imagen.jpg")Respuesta A. Exacto: el pipeline agrupa pasos frecuentes para una primera prueba.
El pipeline es ideal para explorar. En producción, las clases específicas permiten controlar mejor el batching, el dispositivo, la precisión, el preprocesado y el formato de salida.
Busca y prueba un modelo
Compara la documentación con lo que observas al ejecutar el cuaderno.
- Guarda una copia en Drive.
- Ejecuta el modelo propuesto.
- Elige otro y justifica la decisión.
Para que la comparación sea reproducible, anota el identificador y la revisión del modelo, la tarea, la licencia, el preprocesador, el dispositivo y el consumo aproximado de memoria. Las descargas o likes sirven para descubrir candidatos, no para decidir cuál funciona mejor en tu dominio.