Hugging Face-ൽ Phi കുടുംബം ഉപയോഗിക്കുക

February 1, 2026 · View on GitHub

Hugging Face സമൃദ്ധമായ ഡാറ്റയും ഓപ്പൺ സോഴ്‌സ് മോഡൽ റിസോഴ്‌സുകളും ഉള്ള വളരെ പ്രശസ്തമായ എഐ കമ്മ്യൂണിറ്റിയാണ്. വ്യത്യസ്ത നിർമ്മാതാക്കൾ Microsoft, Meta, Mistral, Apple, Google എന്നിവ പോലുള്ള സ്ഥാപനങ്ങൾ വഴി Hugging Face-ലൂടെ ഓപ്പൺ സോഴ്‌സ് LLMകളും SLMങ്ങളും റിലീസ് ചെയ്യുന്നു.

Microsoft Phi കുടുംബം Hugging Face-ൽ റിലീസ് ചെയ്തു. ഡെവലപ്പർമാർ സന്ദർഭങ്ങൾക്കും ബിസിനസ്സ് ആവശ്യങ്ങൾക്ക് അനുയോജ്യമായ Phi കുടുംബ മോഡലുകൾ ഡൗൺലോഡ് ചെയ്യാം. Hugging Face-ൽ Phi Pytorch മോഡലുകൾ ഡിപ്ലോയ്മെന്റ് നടത്തുന്നതിനൊപ്പം, അവസാന ഉപഭോക്താക്കൾക്ക് തിരഞ്ഞെടുക്കാൻ GGUF અને ONNX ഫോർമാറ്റുകളിൽ ക്വാന്റൈസ്ഡ് മോഡലുകളും ഞങ്ങൾ പുറത്തിറക്കിയിട്ടുണ്ട്.

Hugging Face-ൽ മോഡലുകൾ ഡൗൺലോഡ് ചെയ്യുക

ഈ ലിങ്ക് ഉപയോഗിച്ച് Phi കുടുംബ മോഡൽ ഡൗൺലോഡ് ചെയ്യാം

Microsoft മോഡലുകൾ Hugging Face-ൽ

മോഡൽ വിവിധ വഴികളിലൂടെ ഡൗൺലോഡ് ചെയ്യാവുന്നതാണ്, ഉദാഹരണം: Hugging face CLI SDK ഇൻസ്റ്റാൾ ചെയ്യുകയോ git clone ഉപയോഗിക്കുകയോ ചെയ്യാം.

Phi കുടുംബ മോഡൽ ഡൗൺലോഡ് ചെയ്യാൻ Hugging Face CLI ഉപയോഗിക്കുക

  • Hugging Face CLI ഇൻസ്റ്റാൾ ചെയ്യുക

pip install -U "huggingface_hub[cli]"

  • huggingface-cli ഉപയോഗിച്ച് ലോഗിൻ ചെയ്യൽ

നിങ്ങളുടെ സെറ്റിംഗ്സ് പേജ്-ലൂടെ ലഭിക്കുന്ന ഉപയോക്തൃ ആക്‌സസ് ടോക്കൺ ഉപയോഗിച്ച് Hugging Face-ൽ ലോഗിൻ ചെയ്യുക


huggingface-cli login --token $HF_TOKEN --add-to-git-credential

  • ഡൗൺലോഡ് ചെയ്യുക

മോഡൽ ഡൗൺലോഡ് ചെയ്ത് കാഷെയിൽ സേവ് ചെയ്യാം


huggingface-cli download microsoft/phi-4

നിങ്ങൾക്ക് ഡൗൺലോഡ് ലൊക്കേഷൻ നിങ്ങളുടെ പ്രത്യേക ഫോൾഡറായി ക്രമീകരിക്കാവുന്നതാണ്


huggingface-cli download microsoft/phi-4 --local-dir $YOUR_PATH

git clone ഉപയോഗിച്ച് Phi കുടുംബ മോഡൽ ഡൗൺലോഡ് ചെയ്യുക

മോഡൽ ഡൗൺലോഡ് ചെയ്യാൻ git clone ഉപയോഗിക്കാം


git lfs install

git clone https://huggingface.co/microsoft/phi-4

സാമ്പിളുകൾ - Microsoft Phi-4 ഇൻഫറൻസ്

  • transformers ലൈബ്രറി ഇൻസ്റ്റാൾ ചെയ്യൽ

pip install transformers -U

  • ഈ കോഡ് VSCode-ൽ റൺ ചെയ്യുന്നത്

import transformers

pipeline = transformers.pipeline(
    "text-generation",
    model="microsoft/phi-4",
    model_kwargs={"torch_dtype": "auto"},
    device_map="auto",
)

messages = [
    {"role": "user", "content": "I have \$20,000 in my savings account, where I receive a 4% profit per year and payments twice a year. Can you please tell me how long it will take for me to become a millionaire? Also, can you please explain the math step by step as if you were explaining it to an uneducated person?"},
]

outputs = pipeline(messages, max_new_tokens=2048)
print(outputs[0]["generated_text"][-1])


വിമുക്തീകരണം: ഈ രേഖ AI വിവർത്തന സേവനമായ Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, ഓട്ടോമേറ്റഡ് വിവർത്തനങ്ങളിൽ പിശകുകളും അശുദ്ധികളുമുണ്ടാകാമെന്നുള്ളതിൽ ദയവായി ജാഗ്രത കാണിക്കുക. യഥാർത്ഥ രേഖ അതിന്റെ മാതൃഭാഷയിലുള്ളത് പ്രാമാണിക ഉറവിടമായി കരുതുക. നിർ‍ണായക വിവരങ്ങൾക്കായി പ്രൊഫഷണൽ മാനവ വിവർത്തനം പരിഗണിക്കേണ്ടതാണ്. ഈ വിവർത്തനം ഉപയോഗിച്ചതിന് രൂപപ്പെടുന്ന ഏതൊരു തെറ്റിധാരണക്കും അല്ലെങ്കിൽ തെറ്റായ വ്യാഖ്യാനത്തിനും ഞങ്ങൾക്ക് ഉത്തരവാദിത്വം ഇല്ല.