# Bibliothèques

Le Hub prend en charge des dizaines de bibliothèques de l'écosystème Open Source. Grâce à la bibliothèque Python `huggingface_hub`, il est facile de partager vos modèles sur le Hub. Le Hub prend en charge de nombreuses bibliothèques, et nous travaillons à élargir cette prise en charge. Nous sommes ravis d'accueillir sur le Hub un ensemble de bibliothèques Open Source qui font avancer le Machine Learning.

Le tableau ci-dessous résume les bibliothèques prises en charge et leur niveau d'intégration. Retrouvez toutes nos bibliothèques prises en charge dans [le fichier model-libraries.ts](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/model-libraries.ts).

| Bibliothèque                                                                     | Description                                                                          | Fournisseurs d'inférence | Widgets | Télécharger depuis le Hub | Push to Hub |
|-----------------------------------------------------------------------------|--------------------------------------------------------------------------------------|---|---:|---|---|
| [Adaptateurs](./adapters) | Un add-on unifié pour Transformers permettant un fine-tuning efficace en paramètres et modulaire.                                                | ✅  | ✅  | ✅ | ✅ |
| [AllenNLP](./allennlp)                             | Bibliothèque de recherche en NLP open source, construite sur PyTorch.                               | ✅ | ✅ | ✅ | ❌ |
| [Asteroid](./asteroid)                       | Kit de séparation de sources audio basé sur PyTorch                                        | ✅ | ✅ | ✅ | ❌ |
| [BERTopic](./bertopic)                           | BERTopic est une bibliothèque de modélisation thématique pour le texte et les images                             | ✅ | ✅ | ✅ | ✅ | 
| [Diffusers](./diffusers)                       | Une boîte à outils modulaire pour l'inférence et l'entraînement de modèles de diffusion                     | ✅ | ✅ | ✅ | ✅ |
| [docTR](https://github.com/mindee/doctr)                                    | Modèles et jeux de données pour les tâches liées à l'OCR dans PyTorch & TensorFlow                    | ✅ | ✅ | ✅ | ❌ |
| [ESPnet](./espnet)                                  | Boîte à outils de traitement de la parole de bout en bout (par ex. TTS)                                      | ✅ | ✅ | ✅ | ❌ |
| [fastai](./fastai)                                  | Bibliothèque pour entraîner des modèles rapides et précis avec des résultats de pointe.             | ✅ | ✅ | ✅ | ✅ |
| [Keras](./keras)                              | Framework open source d'apprentissage profond multi-backend, avec prise en charge de JAX, TensorFlow et PyTorch. | ❌ | ❌ | ✅ | ✅ |
| [KerasNLP](https://keras.io/guides/keras_nlp/upload/)                              | Bibliothèque de traitement du langage naturel construite sur Keras, fonctionnant nativement avec TensorFlow, JAX ou PyTorch. | ❌ | ❌ | ✅ | ✅ |
| [TF-Keras](./tf-keras) (obsolète)                              | Bibliothèque de première génération qui utilise une API cohérente et simple pour construire des modèles en tirant parti de TensorFlow et de son écosystème. | ❌ | ❌ | ✅ | ✅ |
| [Flair](./flair)                                  | Cadre très simple pour le NLP de pointe.                                      | ✅ | ✅ | ✅ | ✅ |
| [MBRL-Lib](https://github.com/facebookresearch/mbrl-lib)                    | Implémentations PyTorch des algorithmes MBRL.                                          | ❌ | ❌ | ✅ | ✅ |
| [MidiTok](https://github.com/Natooz/MidiTok)                                | Tokenizers pour la musique symbolique / les fichiers MIDI.                                          | ❌ | ❌ | ✅ | ✅ |
| [ML-Agents](./ml-agents)                       | Permet aux jeux et simulations créés avec Unity de servir d'environnements pour l'entraînement d'agents intelligents. | ❌ | ❌ | ✅ | ✅ |
| [MLX](./mlx)                       | Framework d'entraînement et de service de modèles sur Apple silicon, développé par Apple. | ❌ | ❌ | ✅ | ✅ |
| [NeMo](https://github.com/NVIDIA/NeMo)                                      | Boîte à outils d'IA conversationnelle conçue pour les chercheurs                                      | ✅ | ✅ | ✅ | ❌ |
| [OpenCLIP](./open_clip)                      | Bibliothèque pour l'implémentation open source de CLIP d'OpenAI                              | ❌ | ❌ | ✅ | ✅ |  
| [PaddleNLP](./paddlenlp)                      | Bibliothèque NLP puissante et facile à utiliser, construite sur PaddlePaddle                           | ✅ | ✅ | ✅ | ✅ |
| [PEFT](./peft)                      | Bibliothèque de fine-tuning paramétriquement efficace de pointe                           | ✅ | ✅ | ✅ | ✅ |
| [Pyannote](https://github.com/pyannote/pyannote-audio)                      | Briques neuronales pour la diarisation des locuteurs.                                      | ❌ | ❌ | ✅ | ❌ |
| [PyCTCDecode](https://github.com/kensho-technologies/pyctcdecode)           | Le modèle de langage prend en charge le décodage CTC pour la reconnaissance vocale                         | ❌ | ❌ | ✅ | ❌ |
| [Pythae](https://github.com/clementchadebec/benchmark_VAE)                  | Cadre unifié pour les auto-encodeurs génératifs en Python                              | ❌ | ❌ | ✅ | ✅ |
| [RL-Baselines3-Zoo](./rl-baselines3-zoo)            | Framework d'entraînement pour l'apprentissage par renforcement, utilisant [Stable Baselines3](https://github.com/DLR-RM/stable-baselines3).| ❌ | ✅ | ✅ | ✅ |
| [Sample Factory](./sample-factory)           | Base de code pour l'apprentissage par renforcement asynchrone à haut débit.                    | ❌ | ✅ | ✅ | ✅ |
| [Sentence Transformers](./sentence-transformers)    | Calculez des représentations vectorielles denses pour des phrases, des paragraphes et des images.          | ✅ | ✅ | ✅ | ✅ |
| [SetFit](./setfit)                             | Classification de texte en peu d'exemples efficace avec Sentence Transformers                    | ✅ | ✅ | ✅ | ✅ |
| [spaCy](./spacy)                                 | Traitement avancé du langage naturel en Python et Cython.                           | ✅ | ✅ | ✅ | ✅ |
| [SpanMarker](./span_marker)                    | Reconnaissance d'entités nommées familière, simple et de pointe.                      | ✅ | ✅ | ✅ | ✅ |
| [Scikit Learn (en utilisant skops)](https://skops.readthedocs.io/en/stable/)       | Machine Learning en Python.                                                          | ✅ | ✅ | ✅ | ✅ |
| [Speechbrain](./speechbrain)                               | Un kit de traitement de la parole propulsé par PyTorch.                                                    | ✅ | ✅ | ✅ | ❌ |
| [Stable-Baselines3](./stable-baselines3)            | Ensemble d'implémentations fiables d'algorithmes d'apprentissage par renforcement profond en PyTorch | ❌ | ✅ | ✅ | ✅ |
| [TensorFlowTTS](https://github.com/TensorSpeech/TensorFlowTTS)              | Architectures de synthèse vocale de pointe en temps réel.                           | ❌ | ❌ | ✅ | ❌ |
| [Timm](./timm)                   | Collection de modèles d’images, scripts, poids pré-entraînés, etc.                        | ✅ | ✅ | ✅ | ✅ |
| [Transformers](./transformers)                 | Traitement du langage naturel de pointe pour PyTorch, TensorFlow et JAX        | ✅ | ✅ | ✅ | ✅ |
| [Transformers.js](./transformers-js)                | Machine Learning de pointe pour le web. Exécutez 🤗 Transformers directement dans votre navigateur, sans avoir besoin d'un serveur ! | ❌ | ❌ | ✅ | ❌ |
| [Unity Sentis](./unity-sentis)                | Moteur d'inférence pour le moteur de jeu Unity 3D | ❌ | ❌ | ❌ | ❌ |

### Comment puis-je ajouter la prise en charge d'une nouvelle bibliothèque ?

Si vous souhaitez ajouter votre bibliothèque, n’hésitez pas à nous contacter ! En savoir plus dans [Guide pour ajouter une bibliothèque](./models-adding-libraries).