HUGGINGFACE_DEPLOY.md

HuggingFace Spaces 部署指南

🚀 部署步骤

1. 准备文件

确保您的项目包含以下文件：

• app.py - 主应用代码
• run_hf.py - HuggingFace启动脚本
• requirements.txt - Python依赖
• packages.txt - 系统依赖
• README.md - Spaces配置
• prohibited_rules.py - 巨量引擎规则
• minigpt4_video_demo.py - MiniGPT4-Video核心模块
• test_configs/llama2_test_config.yaml - 模型配置

2. 创建HuggingFace Space

1. 访问 HuggingFace Spaces
2. 点击 "Create new Space"
3. 设置以下参数：
   • Space name: minigpt4-video-safety
   • License: Apache 2.0
   • SDK: Gradio
   • Hardware: GPU (推荐T4或更高)

3. 上传文件

git clone https://huggingface.co/spaces/YOUR_USERNAME/minigpt4-video-safety
cd minigpt4-video-safety
cp /path/to/your/files/* ./
git add .
git commit -m "Initial deployment"
git push

4. 配置模型权重

由于MiniGPT4-Video需要预训练权重，您需要：

1. 上传模型权重到HuggingFace Hub
2. 修改app.py中的模型路径
3. 或者使用HuggingFace的模型仓库

5. 环境变量设置

在Space设置中添加环境变量：

• PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512
• GRADIO_SERVER_PORT=7860

🔧 配置选项

Hardware要求

• 最低配置: CPU Basic (仅安全检测)
• 推荐配置: GPU T4 (完整功能)
• 高性能: GPU A10G (大规模使用)

内存要求

• CPU模式: 4GB RAM
• GPU模式: 16GB GPU内存

🛠️ 故障排除

常见问题

1. 模型加载失败

   • 检查模型权重路径
   • 确认GPU内存充足
   • 验证依赖版本兼容性

2. 依赖安装失败

   • 检查requirements.txt格式
   • 验证PyTorch版本兼容性
   • 确认CUDA版本匹配

3. 内存不足

   • 减少batch_size
   • 使用量化模型
   • 升级硬件配置

调试模式

在开发阶段，可以设置环境变量：

export DEBUG=1
export GRADIO_DEBUG=1

📝 注意事项

1. 模型权重: 需要单独下载MiniGPT4-Video权重
2. GPU内存: 确保有足够的GPU内存加载模型
3. 网络访问: YouTube下载功能需要网络访问
4. 文件存储: 临时文件会占用存储空间

🔗 相关链接

• MiniGPT4-Video官方仓库
• HuggingFace Spaces文档
• Gradio文档

📞 技术支持

如遇到部署问题，请：

1. 检查控制台日志
2. 验证配置文件
3. 确认依赖版本
4. 联系技术支持