# HuggingFace Integration Efter at have implementeret din inferens-endpoint på HuggingFace, bør du se følgende brugergrænseflade:
huggingface deploy interface
På denne side skal du bruge følgende information: * Endpoint URL * Model Repository * API-token. Du kan se dette ved at tjekke boksen "Add API token" i Call Examples kodeblok. Udover disse skal du også bruge kontekstvinduet for din model. Dette kan findes på modellens informationsside. Efter at have indsamlet disse oplysninger, skal du formatere dem til JSON som vist i eksemplet nedenfor: ```json { "api_key":"your_api_key", "endpoint": "your_api_endpoint", "model_name": "meta-llama/Llama-2-7b-chat-hf", "context_window": 4096 } ``` Næste skridt er at indsætte dette i Credential-feltet for din integration.
credential field
Når credentialet er blevet valideret med succes, bør du se din HuggingFace-model opført i GenStudio's modeliste:
huggingface model as genstudio model
### Skalering af HuggingFace Endpoints til Zero Skalering til 0 er en dynamisk funktion, der tilbydes af Inference Endpoints, designet til at optimere ressourceudnyttelse og omkostninger. Ved intelligent at overvåge anmodningsmønstre og reducere antallet af replikaer til ingen i inaktive perioder, sikrer det, at du kun bruger ressourcer, når det er nødvendigt. Dog introducerer dette en kold startperiode, når trafikken genoptages, og der er nogle overvejelser, man skal være opmærksom på. For en dybdegående gennemgang af, hvordan denne funktion fungerer, dens fordele og potentielle udfordringer, henvises der til [HuggingFace's guide til Autoscaling](https://huggingface.co/docs/inference-endpoints/autoscaling). ### Understøttede modeller I øjeblikket understøtter vi kun slutpunkter for modeller med et `text-generation` tag, der er implementeret som `text-generation-inference` containere. Vi arbejder på at udvide vores liste over understøttede modeller.
image (48)

LLaMA 2 er en model med Text Generation tag

image (49)

Sørg for at vælge Text Generation Inference som container type under implementeringen

--- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.skydeck.ai/da/integrations/llms-and-databases/huggingface-integration.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.