← Volver

2. Hugging Face

Buscar modelos, revisar su licencia y usarlos.

Hugging Face es hoy el repositorio de referencia para modelos de IA, datasets, demos interactivas y herramientas de desarrollo. Desde la misma web se busca un modelo, se prueba y se descarga.

Logotipo de Hugging Face.

Qué es Hugging Face

Hugging Face reúne cuatro piezas que se usan juntas.

Model Hub

Catálogo con más de tres millones de modelos preentrenados: visión, lenguaje, audio y multimodales.

Datasets

Más de un millón de datasets públicos para entrenar y evaluar, con una API común de carga y procesamiento.

Spaces

Demos web interactivas, casi siempre con Gradio, que Hugging Face aloja y ejecuta. Pruebas un modelo en segundos sin instalar nada.

Transformers

Librería Python con una misma API de carga, inferencia y fine-tuning para cientos de arquitecturas distintas.

El flujo típico

  1. Buscar modelo

  2. Probar en Space

  3. Descargar con Transformers

  4. Integrar en tu aplicación

Tarjeta del catálogo de modelos de Hugging Face.
huggingface.co/models

Cómo buscar un modelo

El buscador del Hub tiene estos filtros:

  • Tarea: object-detection, image-classification, text-generation, etc.
  • Licencia: Apache-2.0, MIT, CreativeML, Research-only.
  • Popularidad: número de descargas, likes, fecha de última actualización.

La ficha del modelo (model card) es lo primero que hay que leer. Una ficha completa trae:

Descripción y uso

Para qué fue entrenado, qué tareas resuelve, cómo usarlo con código de ejemplo.

Limitaciones

Sesgos conocidos, casos donde falla, advertencias de seguridad y aspectos éticos.

Licencia

Términos legales de uso: ¿puedes usarlo comercialmente? ¿Debes atribuir autoría?

Archivos

Configuración JSON, pesos del modelo (.safetensors preferido), tokenizers, ejemplos.

Métricas

Resultados en benchmarks estándar, comparación con otros modelos.

La ficha del modelo

La Model Card contesta si el modelo sirve para tu caso antes de gastar tiempo.

Buscas un clasificador para imágenes médicas. ¿Qué haces primero?

Licencias

La licencia dice para qué puedes usar el modelo: en un producto, en un servicio web o solo para investigar.

Comercial OK

  • Apache-2.0: muy permisiva, ideal para empresas.
  • MIT: similar a Apache, aún más simple.
  • BSD: variantes 2-clause y 3-clause, ambas permisivas.

Con restricciones

  • OpenRAIL/CreativeML: uso comercial OK, pero con cláusulas de uso responsable.
  • CC BY-SA: requiere compartir derivados bajo la misma licencia.

No comercial

  • Research Only: solo investigación académica.
  • CC BY-NC: prohibido uso comercial.

Caso especial AGPL: algunas familias YOLO populares usan AGPL, que obliga a publicar el código de la aplicación que lo incorpora si integras el modelo en una aplicación web o servicio. Si no quieres publicar tu código, busca alternativas con Apache-2.0 como RT-DETR o RF-DETR.

Licencia según el uso

La misma licencia cambia de respuesta según lo que vayas a hacer con el modelo.

Permitido con condiciones

La cláusula de red obliga a publicar el código de la aplicación que lo incorpora aunque solo la ofrezcas por web. Alternativas Apache-2.0: RT-DETR o RF-DETR.

Orientación para buscar, no asesoramiento legal. La licencia real se lee en el artefacto y la versión que vayas a usar.

Licencia del código y de los pesos

Un repositorio permisivo no garantiza que los pesos lo sean.

El código de un repositorio tiene licencia Apache, pero los pesos llevan otra. ¿Qué revisas?

Qué pasa al cargar un modelo

Lo que hace la librería Transformers al cargar un modelo:

  1. Hub remoto

    El modelo vive en Hugging Face Hub identificado por su nombre (ej: "facebook/detr-resnet-50").

  2. Descarga a caché

    Primera ejecución: descarga config.json, pesos .safetensors, y metadatos a ~/.cache/huggingface/

  3. Carga en memoria

    El modelo se instancia en RAM/VRAM según el dispositivo (CPU/GPU) que especifiques.

  4. Inferencia

    Procesas inputs y obtienes predicciones. Puedes usar GPU y mixed precision para acelerar.

Buenas prácticas

  • Seguridad: prefiere .safetensors sobre .bin; los .bin usan pickle, que puede ejecutar código al cargarse.
  • Offline: predescarga con snapshot_download, controla cache_dir.
  • Rendimiento: usa float16 y device="cuda" cuando tengas GPU.
  • Pipelines: para pruebas rápidas, usa pipeline("task"); en producción, clases específicas dan más control.

Qué hace un pipeline

Con una sola llamada, dando la tarea y el nombre del modelo:

  1. Descarga

    Baja del Hub el modelo y lo que necesita para preparar la imagen.

  2. Ejecuta

    Prepara la imagen y la pasa por el modelo.

  3. Devuelve

    El resultado ya legible: etiqueta, confianza y, si es un detector, la caja.

El código está en el cuaderno 2: son tres líneas.

Qué te ahorra un pipeline

Conviene saber qué pasos quedan ocultos antes de llevarlo a producción.

¿Qué simplifica un pipeline de Transformers?

Memoria de GPU

Primera pregunta al elegir modelo, y se responde con una multiplicación.

Modelos de referencia (pulsa uno):

Memoria estimada para inferencia0,8 GB

Solo los pesos0,6 GB

  • Portátil · 8 GB
  • T4 (Colab gratis) · 15 GB
  • L4 · 24 GB
  • A100 · 40 GB
  • H100 · 80 GB

Cabe en 5 de las 5 tarjetas de la lista, contando solo inferencia.

Pesos por precisión más un 35 % de margen para activaciones y fragmentación, con lotes pequeños. Entrenar necesita bastante más. Los chats como ChatGPT no publican su tamaño; se calcula que pasan del billón de parámetros.

Modelos de visión para empezar

Filtra por tarea y por licencia, que son los dos criterios que descartan antes.

Modelos visibles: 9

PekingU/rtdetr_r50vdDetección COCO, tiempo realApache-2.0~42 M
facebook/detr-resnet-50El DETR original, de referenciaApache-2.0~41 M
hustvl/yolos-smallDetección con ViT puroApache-2.0~31 M
IDEA-Research/grounding-dino-baseCajas a partir de una fraseApache-2.0~233 M
google/owlv2-base-patch16Vocabulario abierto por textoApache-2.0~154 M
facebook/sam2.1-hiera-largeSegmentación con prompts, imagen y vídeoApache-2.0~224 M
facebook/dinov2-baseFeatures densas sin etiquetasApache-2.0~86 M
openai/clip-vit-base-patch32Imagen y texto en un espacio comúnMIT~151 M
briaai/RMBG-1.4Recorte de fondo con canal alfaNo comercial~44 M

Spaces: demos en el navegador

Un Space es una demo web del modelo, ya montada. Subes una foto y ves la salida, sin instalar nada.

Quitar el fondo

Sube una foto de producto y descarga el recorte con transparencia. Es el modelo del tema 6 puesto a trabajar.

Space de BRIA RMBG 1.4

Profundidad de una sola foto

Sube cualquier foto y mira el mapa de distancias. Prueba con espejos o cristales, que hacían fallar a la versión anterior, y comprueba si acierta.

Space de Depth Anything V2

Detectar escribiendo la clase

Página de la tarea, con los modelos, los datasets y los Spaces que están vivos hoy. Escribe "una caja de cartón" y mira qué encuentra.

Tarea: detección zero-shot

Segmentar

La misma idea para máscaras: modelos de segmentación semántica, de instancias y promptable, con demos que puedes abrir al momento.

Tarea: segmentación de imagen

Puntos clave

Pose de personas y puntos de interés para matching, con más de 400 modelos publicados y sus demos.

Tarea: detección de puntos clave

Preguntar sobre una imagen

Los modelos que reciben imagen y texto y responden. Sube una foto de una etiqueta y pídele los campos en JSON.

Tarea: imagen y texto a texto

Dos avisos antes de subir nada. Un Space público procesa tu imagen en el servidor de quien lo publicó, así que ahí no van fotos de cliente, de personas identificables ni de piezas bajo acuerdo de confidencialidad. Y los Spaces se duermen, se rompen y desaparecen: por eso los enlaces de arriba apuntan a la página de la tarea, que sigue viva aunque una demo concreta caiga.

Antes de quedarte con un modelo del Hub

Siete cosas que comprobar antes de elegirlo.

  1. La tarea coincideLa etiqueta del Hub dice lo que necesitas, no algo parecido.
  2. La licencia permite tu usoComprobada en el repositorio y en los pesos, para la versión que vas a usar.
  3. La ficha declara limitacionesSesgos, casos donde falla, datos de entrenamiento. Si no dice nada, desconfía.
  4. Cabe en tu hardwareCon la precisión que vas a usar y con margen para el lote.
  5. Formato de pesos seguro.safetensors antes que .bin.
  6. Revisión anotadaIdentificador y revisión guardados para poder reproducir.
  7. Probado con tus datosUna decena de imágenes tuyas dicen más que cualquier métrica publicada.

Cuaderno 2: Hugging Face

Los ejercicios están en el cuaderno. El extra, si da tiempo, lo hacemos juntos; si no, queda para casa.

  1. Cargar un clasificador y usarlo
  2. Un catálogo de clásicos: ResNet, ViT, ConvNeXt...
  3. El RF-DETR del cuaderno 1, desde el Hub
  4. Guardar un modelo en una carpeta
  5. Ejercicio: otro clasificador
  6. Extra: otro detector del Hub
Abrir en Colab