Что понадобится
Активный доступ организации, токен «Чтение и запись» и подготовленная папка model. Для организации, в которой у вас нет прав, публикация недоступна.
1. Подготовьте файлы
Поместите в папку веса, конфигурацию и необходимые файлы токенизатора. Добавьте README.md: назначение модели, пример использования, ограничения и лицензию. Не добавляйте пароли, токены и личные данные.
2. Подключите SDK
Установите huggingface_hub. Возьмите HF_ENDPOINT из раздела «Подключение» в кабинете. Передайте его и AI_VAULT_TOKEN через переменные окружения. В AI_VAULT_NAMESPACE укажите namespace своей организации.
3. Создайте репозиторий и загрузите папку
import os
from huggingface_hub import HfApi
api = HfApi(
endpoint=os.environ["HF_ENDPOINT"],
token=os.environ["AI_VAULT_TOKEN"],
)
repo_id = f"{os.environ['AI_VAULT_NAMESPACE']}/my-model"
api.create_repo(repo_id=repo_id, private=True, exist_ok=True)
api.upload_folder(repo_id=repo_id, folder_path="./model")
Если репозиторий уже существует, exist_ok не меняет его видимость. Убедитесь, что выбран нужный репозиторий и разрешённый для него режим публикации.
4. Проверьте результат
Повторно получите файлы через SDK и сравните их со своей папкой. Приватный репозиторий не появится в открытом каталоге — это ожидаемо. Сохраняйте локальную резервную копию.
Результат
Модель доступна по идентификатору пространства. Для работы с историей и ветками переходите к Git и LFS.