hf datasets (ls, info, card, leaderboard, parquet, sql) în Hugging Face Hub & Transformers

hf datasets ls [REPO_ID] [--search TEXT] [--filter TAG] [--sort CHEIE]
hf datasets info | card | leaderboard | parquet DATASET_ID
hf datasets sql "SQL"

Ce face hf datasets (ls, info, card, leaderboard, parquet, sql)

hf datasets ls (alias list) listează dataset-uri, cu aceleași filtre de bază ca la modele (--search, --author, --filter, --sort, --limit). Cu un ID de dataset listează fișierele lui. info și card funcționează ca la hf models.

hf datasets leaderboard afișează scorurile modelelor trimise la un dataset de tip benchmark, ca să compari modele pentru o sarcină. Benchmark-urile oficiale se găsesc cu hf datasets ls --filter benchmark:official.

hf datasets parquet listează URL-urile fișierelor Parquet ale unui dataset (Dataset Viewer convertește automat dataset-urile eligibile în Parquet), filtrate pe subset și split. hf datasets sql rulează o interogare SQL brută cu DuckDB peste acele URL-uri, prin read_parquet(...). DuckDB trebuie instalat separat (pip install duckdb sau CLI-ul DuckDB).

Sintaxă și opțiuni

Opțiune / Parametru	Descriere
ls [REPO_ID]	Fără ID: listează dataset-uri. Cu ID: listează fișierele.
ls --search / --author / --filter	Căutare, autor, taguri (--filter se poate repeta).
ls --sort [created_at|downloads|last_modified|likes|trending_score]	Ordonarea.
ls --limit INTEGER	Implicit 30.
--expand TEXT	Proprietățile returnate (ls, info).
ls -h / --tree / -R / --revision	Opțiuni pentru listarea fișierelor.
info --revision TEXT	Revizia.
card --metadata / --text	Doar metadatele sau doar textul.
leaderboard --limit INTEGER	Numărul de rezultate. Implicit 20.
parquet --subset TEXT	Filtru pe subset (config).
parquet --split TEXT	Filtru pe split.
sql SQL	Interogarea SQL de executat cu DuckDB.
--token TEXT	Token de acces (User Access Token) creat în huggingface.co/settings/tokens. Implicit se folosește tokenul salvat de hf auth login.

Exemple practice

Exemplul 1: Benchmark-uri oficiale

hf datasets ls --filter benchmark:official

Exemplul 2: Fișierele unui dataset, recursiv

hf datasets ls HuggingFaceFW/fineweb -R -h

Exemplul 3: Primele 5 modele dintr-un clasament, ca JSON

hf datasets leaderboard SWE-bench/SWE-bench_Verified --limit 5 --format json

Exemplul 4: URL-urile Parquet ale unui subset

hf datasets parquet cfahlgren1/hub-stats --subset models

Exemplul 5: Numărul de rânduri dintr-un fișier Parquet

hf datasets sql "SELECT COUNT(*) AS rows FROM read_parquet('https://huggingface.co/api/datasets/cfahlgren1/hub-stats/parquet/models/train/0.parquet')"

Greșeli frecvente și bune practici

• Rulezi hf datasets sql fără DuckDB instalat. Instalează întâi pachetul Python sau CLI-ul DuckDB.
• Scrii URL-urile Parquet de mână. Ia-le cu hf datasets parquet; există doar pentru dataset-urile convertite de Dataset Viewer.

Comenzi înrudite

• hf-models
• hf-download
• datasets-library
• hf-papers