Hub documentation
Hugging Face에서 Flair 사용
단일 로그인(SSO) 감사 로그 스토리지 리전 비공개 데이터셋용 Data Studio 리소스 그룹(액세스 제어) 고급 컴퓨트 옵션 고급 보안 토큰 관리 서비스 계정 발행자 분석 게이팅 그룹 컬렉션 네트워크 보안 다운로드 분석 속도 제한 블로그 글
PRO 플랜 리포지토리 레포지토리 시작하기 저장소 설정 저장 용량 제한 스토리지 백엔드(Xet) 로컬 캐시 Pull Requests & Discussions 알림 컬렉션 Webhooks GitHub Actions 노트북 다음 단계 라이선스
모델 모델 허브 모델 카드 평가 결과 리더보드 데이터 게이트된 모델 모델 업로드 모델 다운로드 통합 라이브러리
데이터셋 어댑터 AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras (레거시) ML-Agents mlx-image MLX OpenCLIP PaddleNLP peft RL-Baselines3-Zoo Sample Factory Sentence Transformers SetFit spaCy SpanMarker SpeechBrain Stable-Baselines3 Stanza TensorBoard timm Transformers Transformers.js Unity Sentis
모델 위젯 모델 추론 모델 다운로드 통계 모델 릴리스 체크리스트 하드웨어 로컬 앱 자주 묻는 질문 고급 주제 Datasets 개요 Dataset Cards 게이트된 데이터셋 데이터셋 업로드 데이터셋 업로드 (LLM용) 데이터셋 다운로드 스트리밍 데이터셋 통합 라이브러리 Data Studio Agent Traces 데이터셋 다운로드 통계
Spaces Spaces 개요 Spaces GPU 업그레이드 Spaces ZeroGPU Spaces Dev Mode Spaces 디스크 사용량 및 저장소 Spaces 사용자 지정 도메인 MCP 서버로 사용 가능한 Spaces Spaces를 에이전트 도구로 API 엔드포인트로 사용하는 Spaces Gradio Spaces Streamlit Spaces Static HTML Spaces Docker Spaces Space 임베드하기 Docker로 Spaces 실행 Spaces 구성 참조 HF로 로그인 버튼 주요 Spaces Spaces 변경 이력 고급 주제
Storage Buckets new 컨테이너 이미지 new Jobs Jobs 개요 빠른 시작 Pricing and Billing 작업 관리 구성 Docker 이미지 사용 모델 서빙 모델 학습 예제 및 튜토리얼 대규모 데이터셋 처리 Schedule Jobs Webhook 자동화 참고
에이전트 에이전트 개요 AI 에이전트를 위한 Hugging Face CLI Hugging Face MCP 서버 Hugging Face Agent Skills HF SDK를 사용하여 에이전트 구축하기 llama.cpp를 활용한 로컬 에이전트 에이전트 라이브러리 세션 추적 형식
기타 Hugging Face에서 Flair 사용
Flair는 최첨단 NLP를 위한 매우 간단한 프레임워크입니다. 베를린 훔볼트 대학교와 그 동료들이 개발했습니다.
Hub에서 Flair 탐색
모델 페이지 왼쪽에서 필터링하여 flair 모델을 찾을 수 있습니다.
Hub의 모든 모델에는 다음 유용한 기능이 포함되어 있습니다:
- 간략한 설명이 포함된 자동 생성된 모델 카드
- 모델을 브라우저에서 직접 실험해 볼 수 있는 인터랙티브 위젯입니다.
- 추론 요청을 수행할 수 있는 Inference Providers 위젯입니다.
설치
시작하려면 Flair 설치 가이드를 따를 수 있습니다. 또는 다음 pip 한 줄 설치 명령을 사용할 수도 있습니다:
$ pip install -U flair기존 모델 사용
모든 flair 모델은 Hub에서 쉽게 로드할 수 있습니다:
from flair.data import Sentence
from flair.models import SequenceTagger
# load tagger
tagger = SequenceTagger.load("flair/ner-multi")로드가 완료되면 predict()를 사용하여 추론을 수행할 수 있습니다:
sentence = Sentence("George Washington ging nach Washington.")
tagger.predict(sentence)
# print sentence
print(sentence)다음과 같이 출력됩니다:
Sentence[6]: "George Washington ging nach Washington." → ["George Washington"/PER, "Washington"/LOC]
특정 Flair 모델을 로드하려면 모델 카드에서 Use in Flair를 클릭하면 작동하는 스니펫이 제공됩니다!


추가 리소스
- Flair 저장소
- Flair 문서
- Hub의 공식 Flair 모델(주로 @alanakbik과 @stefan-it가 학습)