Hub documentation
リポジトリ
シングルサインオン(SSO) 監査ログ ストレージリージョン プライベートデータセット用の Data Studio リソースグループ(アクセス制御) 高度な計算オプション 高度なセキュリティ トークン管理 サービスアカウント パブリッシャー分析 ゲーティンググループコレクション ネットワークセキュリティ ダウンロード分析 レート制限 ブログ記事
PRO Plan リポジトリ リポジトリの入門 リポジトリ設定 ストレージの制限 ストレージバックエンド (Xet) ローカルキャッシュ Pull Requests と Discussions 通知 コレクション Webhooks GitHub Actions ノートブック 次のステップ ライセンス
モデル モデルハブ モデルカード 評価結果 リーダーボードデータ ゲート付きモデル モデルのアップロード モデルのダウンロード 統合ライブラリ モデルウィジェット モデル推論 モデルのダウンロード統計 モデルリリースチェックリスト ハードウェア ローカルアプリ よくある質問 高度なトピック
データセット Datasetsの概要 Dataset Cards Gated Datasets Datasets のアップロード データセットのアップロード(LLM用) データのダウンロード ストリーミングデータセット 統合ライブラリ Data Studio エージェントのトレース Datasets ダウンロード統計
Spaces Spaces 概要 Spaces GPU アップグレード Spaces ZeroGPU Spaces Dev Mode Spaces ディスク使用量とストレージ Spaces カスタムドメイン SpacesをMCPサーバーとして Spacesをエージェントツールとして Spaces を API エンドポイントとして利用する Gradio Spaces Streamlit Spaces 静的 HTML Spaces Docker Spaces Space を埋め込む Docker で Spaces を実行する Spaces 設定リファレンス HFでサインイン 注目のスペース Spaces 変更履歴 高度なトピック
ストレージバケット new コンテナイメージ new ジョブ ジョブの概要 クイックスタート 料金と請求 ジョブの管理 設定 Dockerイメージの使用 モデルのサービング モデルの学習 例とチュートリアル 大規模なデータセットの処理 ジョブのスケジュール設定 Webhook 自動化 リファレンス
エージェント エージェントの概要 AIエージェント向けHugging Face CLI Hugging Face MCP Server Hugging Face Agent Skills HF SDK を用いたエージェントの構築 llama.cppによるローカルエージェント エージェントライブラリ セッショントレース形式
その他 リポジトリ
Models、Spaces、DatasetsはHugging Face Hub上でGitリポジトリとしてホストされており、バージョン管理とコラボレーションがHubの中核要素となっています。要するに、リポジトリ(repoとも呼ばれます)は、作業のバックアップ、コミュニティとの共有、チームでの作業のために、コードやアセットを保存できる場所です。
バージョン管理されない可変ストレージをお探しですか?Storage Bucketsは、Git履歴なしでS3のようなオブジェクトストレージを提供します。
他のコラボレーションプラットフォームとは異なり、当社のGitリポジトリは、機械学習およびAI用のファイル、すなわちParquetやSafetensorsなどの特定のファイル形式で保存される大規模なバイナリファイル、最大でテラバイト規模のサイズに対応するように最適化されています。 この実現のため、AI/ML開発に特化した最新の独自ストレージシステムであるXetを構築しました。これにより、チャンクレベルの重複排除、アップロードサイズの削減、およびダウンロード速度の向上が可能になります。

これらのページでは、GitとXetの基本的な使い方、およびHub上のリポジトリとの操作方法について説明します。基本的な操作に慣れたら、リポジトリを効果的に活用するためのベストプラクティスや次のステップについて、まとめられた内容を確認できます。
目次
- リポジトリの入門
- 設定
- ストレージの制限
- ストレージバックエンド (Xet)
- ローカルキャッシュ
- Pull Requests と Discussions
- コレクション
- 通知
- Webhooks
- 次のステップ
- ライセンス