Hugging Face

Hugging Face, Hub adlı merkezi üzerinden makine öğrenimi modellerini, veri kümelerini ve demo uygulamalarını yayımlama, bulma ve indirme olanağı sunan bir yapay zekâ şirketi ve açık kaynak topluluğudur. Ekim 2026 itibarıyla Hub'da büyük dil modelleri (LLM'ler) ve görsel transformer'larından konuşma, robotik ve nesne algılamaya kadar çeşitli alanlarda 3,1 milyondan fazla model ve 1 milyon veri kümesi listeleniyor. Şirket ayrıca, başında Transformers olmak üzere yaygın olarak kullanılan açık kaynaklı kütüphanelerin bakımını yapıyor.

Clément Delangue, Julien Chaumond ve Thomas Wolf şirketi 2016'da New York'ta, adını sarılma yüzü emojisinden alan bir genç sohbet robotu uygulaması olarak kurdu. Kasım 2018'de yayımlanan, Google'ın BERT modelinin PyTorch bağlantı noktası, şirketin sohbet robotundan açık kaynaklı araçlara yönelmesiyle Transformers'a dönüştü. Eylül 2026'da NVIDIA, düzenleyici onayına tabi ve 2027'nin ilk yarısında tamamlanması beklenen bir anlaşmayla Hugging Face'i yaklaşık 12,9 milyar dolara satın almayı kabul etti; Hugging Face açık bir platform olarak markasını koruyacak.

Hub#

Hub'daki her model, veri kümesi ve Space, tam sürüm geçmişine sahip bir Git deposudur. Ağırlıklar gibi büyük dosyalar, Hugging Face'in depolama arka ucu Xet'te saklanır; Xet verileri parçalar hâlinde yinelenmeden depolar, böylece değiştirilmiş bir kontrol noktasını yüklerken yalnızca değişen parçalar aktarılır. Hub üç tür depo barındırır:

• Modeller: Model ağırlıkları, yapılandırma dosyaları ve lisans, eğitim verileri, değerlendirme sonuçları ve sınırlamalara ilişkin bilgileri üst verilerinde kaydeden bir README olan model kartı. Birçok depo, kod çalıştırmadan yüklenen bir biçim olan safetensors ile ağırlıkları saklar; kısıtlı depolar ise indirme öncesinde kullanıcıların sahibin koşullarını kabul etmesini gerektirir.
• Veri kümeleri: Veri kümesi kartı ve tarayıcı içi görüntüleyicisi olan veri dosyaları. datasets kütüphanesi, bunları Apache Arrow üzerinden yükler ve indirmek için fazla büyük veri kümelerini akış hâlinde de sunabilir.
• Spaces: Gradio, Docker veya statik HTML ile oluşturulan barındırılan demo uygulamalarıdır; yeni bir modeli tarayıcıda denemenin genellikle en hızlı yoludur.

Inference Providers, Hub modellerine yönelik API isteklerini iş ortağı sunucusuz sağlayıcılara yönlendirir; Inference Endpoints ise özel donanımda bir modeli dağıtır. Tipik bir proje Hub üzerinde şu aşamalardan geçer:

Açık Kaynaklı Kütüphaneler#

• Transformers: Metin, görsel, ses ve çok modlu görevler için model tanımları ve önceden eğitilmiş ağırlıkları tek bir API arkasında sunar; buna, bir görevi birkaç satırda çalıştıran pipeline işlevi de dahildir. Kütüphane artık beşinci büyük sürümündedir.
• Diffusers: Görsel, video ve ses üreten difüzyon modelleri için işlem hatları sunar.
• Veri Kümeleri ve Tokenleştiriciler: Hızlı veri yükleme ve işleme ile modellerin kullandığı tokenleştirme yöntemlerinin Rust ile geliştirilmiş hızlı uygulamaları.
• PEFT ve TRL: LoRA gibi parametre açısından verimli ince ayar yöntemlerini ve dil modellerini hizalamaya yönelik doğrudan tercih optimizasyonu gibi eğitim sonrası yöntemleri sunar.
• timm, LeRobot ve smolagents: PyTorch görsel modelleri, robot öğrenimi veri kümeleri ve politikaları ile hafif yapay zekâ ajanları sunar.

Hub'dan Model İndirme#

huggingface_hub kütüphanesi bir depodaki herhangi bir dosyayı indirip yerel olarak önbelleğe alır; sonraki çağrılar önbellekteki kopyayı yeniden kullanır. Ultralytics, YOLO26 kontrol noktalarını Ultralytics/YOLO26 deposunda yayımlar. Algılama, segmentasyon, sınıflandırma, poz kestirimi ve yönelimli kutular için beş boyutun tümü mevcuttur:

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

# Hub'daki Ultralytics deposundan YOLO26n ağırlıklarını indir (ilk çağrıdan sonra önbelleğe alınır)
weights = hf_hub_download(repo_id="Ultralytics/YOLO26", filename="yolo26n.pt")

# İndirilen kontrol noktasını yükle ve algılama yap
model = YOLO(weights)
results = model("https://ultralytics.com/images/bus.jpg")
results[0].save(filename="bus_detections.jpg")

hf_hub_download, yerel Hugging Face önbelleğindeki yolo26n.pt yolunu döndürür ve kaydedilen görselde otobüs fotoğrafında YOLO26n'nin algıladığı nesneler gösterilir.

Hugging Face ve Benzer Platformlar#

• GitHub: Kaynak kodu Git depolarında barındırır. Hugging Face Hub da Git kullanır ve makine öğrenimi yapıtlarının ihtiyaç duyduğu özellikleri sunar: çok gigabaytlık ağırlıklar için depolama, model ve veri kümesi kartları, veri kümesi görüntüleyicileri ve barındırılan çıkarım.
• Model koleksiyonları: PyTorch Hub gibi belirli çerçevelere özgü koleksiyonlar modelleri tek bir kitaplık aracılığıyla yükler. Hub ise birçok kitaplıktaki modelleri sunar ve her model, onu yükleyen kitaplığın etiketiyle listelenir.
• Model kayıt sistemleri: Bir ekibin model sürümlerini, aşamalarını ve dağıtım onaylarını izleyen özel kataloglardır; genellikle bir MLOps platformunun içinde yer alırlar.

Gerçek Dünya Uygulamaları#

• Açık modellerde ince ayar: Ekipler açık ağırlıklı LLM'leri indirir, LoRA ile uyarlar ve modelin tam kopyaları yerine küçük adaptör dosyalarını Hub'a geri yükler.
• Tekrarlanabilir araştırma: Makaleler ağırlıklarını ve veri kümelerini Hub'da yayımlar; Hugging Face'in makale sayfaları da her makaleyi onu kullanan modellere, veri kümelerine ve Spaces'lere bağlar.
• Açık eğitim verileri: Common Crawl'dan alınan, temizlenmiş ve yinelenenleri ayıklanmış İngilizce web metinlerinden oluşan Hugging Face veri kümesi FineWeb, yayımlandığında 15 trilyon token içerirken 18,5 trilyon tokenı aştı.