spaCy 是一个广泛应用于工业界的先进自然语言处理库。spaCy 提供了易于使用和训练的管道，用于命名实体识别、文本分类、词性标注等任务，并且可以构建强大的应用程序来处理和分析大量文本。
Hugging Face 使得与社区分享 spaCy 管道非常简单！只需一个命令，您就可以上传任何管道包，同时生成漂亮的模型卡和所有所需元数据。推断 API 目前支持开箱即用的命名实体识别，并且您可以在浏览器中交互式地尝试您的管道。您还将获得一个用于从任何位置进行平滑从原型到生产的 pip install 的实时 URL！
查找模型
在 spaCy 机构中可以找到超过 60 个经典模型。这些模型来自最新的 3.1 版本，所以您现在可以尝试最新发布的模型！此外，您还可以在这里找到社区中的所有 spaCy 模型 https://huggingface.co/models?filter=spacy 。
小部件
此集成包括对命名实体识别小部件的支持，因此所有具有命名实体识别组件的模型都将自动具备此功能！即将推出的版本还将支持文本分类和词性标注。
使用现有模型
所有 Hub 中的模型都可以直接使用 pip install 安装。
pip install https://huggingface.co/spacy/en_core_web_sm/resolve/main/en_core_web_sm-any-py3-none-any.whl
# 使用 spacy.load()。
import spacy
nlp = spacy.load("en_core_web_sm")
# 作为模块导入。
import en_core_web_sm
nlp = en_core_web_sm.load()当您打开一个仓库时，您可以点击 在 spaCy 中使用，然后将获得一个可用于安装和加载模型的工作代码片段！
您甚至可以通过向 Inference API 发送 HTTP 请求来调用模型，这在生产环境中非常有用。下面是一个简单请求的示例：
curl -X POST --data '{"inputs": "Hello, this is Omar"}' https://api-inference.huggingface.co/models/spacy/en_core_web_sm
>>> [{"entity_group":"PERSON","word":"Omar","start":15,"end":19,"score":1.0}]对于更大规模的用例，您可以点击 “部署 > 加速推断” 并查看如何使用 Python 完成此操作。
分享您的模型
但最酷的功能可能是现在您可以非常轻松地使用 spacy-huggingface-hub 库共享您的模型，该库扩展了 spaCy CLI，提供了一个新的命令 huggingface-hub push。
huggingface-cli login
python -m spacy package ./en_ner_fashion ./output --build wheel
cd ./output/en_ner_fashion-0.0.0/dist
python -m spacy huggingface-hub push en_ner_fashion-0.0.0-py3-none-any.whl只需一分钟，您就可以在 Hub 中获得打包好的模型，并直接在浏览器中尝试它，并与社区的其他人分享。所有必需的元数据都将为您上传，您甚至可以获得一个漂亮的模型卡。
尝试并与社区分享您的模型！
您想将您的库集成到 Hub 中吗？
这个集成是通过 huggingface_hub 库实现的，该库具有我们所有小部件和支持的库的 API。如果您想将您的库集成到 Hub 中，我们为您提供了一份指南！