실습 튜토리얼

Hugging Face로 모델 불러오기 – 쉽고 빠르게 따라하는 방법

AI 쉽게 배우기 2025. 4. 2. 06:59

“ChatGPT 말고도 다양한 AI 모델을 써보고 싶은데, 어디서 찾죠?”
“딥러닝 모델을 코딩 초보도 쉽게 불러올 수는 없을까요?”
정답은 있습니다!

바로 Hugging Face 플랫폼입니다.

Hugging Face는 세계에서 가장 인기 있는
AI 모델 오픈 마켓이자 개발 플랫폼으로,
텍스트 요약, 번역, 감정 분석, 이미지 생성까지
수천 개의 고급 모델을 누구나 쉽게 가져다 쓸 수 있습니다.

오늘은 Hugging Face에서 AI 모델을 불러와 사용하는 가장 쉬운 방법을
예제와 함께 소개해드릴게요.

1. Hugging Face란 무엇인가요?

**Hugging Face(허깅페이스)**는

오픈소스 AI 모델을 누구나 쉽게 검색, 다운로드, 실습할 수 있도록 해주는 플랫폼입니다.

  • 🤖 텍스트, 이미지, 오디오, 멀티모달 모델 모두 존재
  • 🧠 Transformers 라이브러리로 파이썬에서 바로 사용 가능
  • 📚 사전 학습된 모델을 쉽게 불러와 재사용 가능

✅ 유명한 GPT, BERT, T5, Whisper 등도 Hugging Face에서 바로 불러올 수 있어요!

2. 준비물 – 설치와 계정 만들기

1. Python과 pip이 설치된 환경

  • Google Colab, Jupyter Notebook, VSCode 등

2. Transformers 라이브러리 설치

pip install transformers

3. Hugging Face 토큰 (선택)

3. 모델 불러오기 기본 코드 (텍스트 분류 예시)

가장 많이 쓰이는 BERT 기반 감정 분석 모델을 예로 들어볼게요:

from transformers import pipeline

# 감정 분석 파이프라인 생성
classifier = pipeline("sentiment-analysis")

# 테스트 문장 분석
result = classifier("I love Hugging Face!")[0]
print(f"레이블: {result['label']}, 점수: {result['score']:.2f}")
 

✅ 출력 예시:

레이블: POSITIVE, 점수: 0.99

단 2줄로 사전 학습된 AI 모델을 실전 투입할 수 있습니다!

4. 다양한 태스크별 파이프라인 종류

태스크 파이프라인 이름 예시
감정 분석 sentiment-analysis 긍정/부정 분류
텍스트 요약 summarization 긴 문장을 짧게 요약
번역 translation_xx_to_yy 영어→한국어: translation_en_to_ko
질문응답 question-answering 문단에서 질문에 대한 답 찾기
채팅 생성 text-generation 글을 자동으로 이어쓰기
이미지 설명 image-to-text 사진에서 설명 생성

📌 pipeline() 함수 하나로 대부분 해결됩니다!

5. 직접 모델 이름 지정해서 불러오기

Hugging Face 홈페이지에서 원하는 모델명을 확인한 뒤 다음처럼 사용하면 됩니다:

from transformers import pipeline

summarizer = pipeline("summarization", model="sshleifer/distilbart-cnn-12-6")

text = """
ChatGPT is a powerful language model developed by OpenAI.
It can generate natural language responses, summarize text, and more.
"""

summary = summarizer(text)[0]['summary_text']
print("요약:", summary)

💡 Hugging Face 모델 검색: https://huggingface.co/models

 

6. 이미지/음성 모델도 가능할까?

물론입니다!

예: Whisper 모델로 음성 → 텍스트 변환

pip install transformers datasets torchaudio
from transformers import pipeline
asr = pipeline("automatic-speech-recognition", model="openai/whisper-small")

result = asr("sample_audio.wav")
print(result["text"])

※ 오디오 파일이 필요하며, 오디오 코덱이 맞아야 합니다.

7. Colab에서 Hugging Face 실습 팁

팁 설명
📁 파일 업로드 from google.colab import files → files.upload()
💻 GPU 사용 [런타임] → [런타임 유형 변경] → GPU 선택
🔐 인증이 필요한 모델 !huggingface-cli login 명령어로 토큰 로그인
 

💬 마무리하며

Hugging Face는 AI 시대의 **“모델 도서관”**이라고 할 수 있습니다.
설치 없이, 복잡한 설정 없이,
단 몇 줄의 코드만으로 고급 AI 모델을 불러와 쓸 수 있는 것이죠.

텍스트 분석이든, 이미지 생성이든,
“AI로 뭘 해볼까?”라는 아이디어가 있다면 Hugging Face에서 시작해보세요!

✍️ 질문 드려요

여러분은 어떤 모델을 불러와 실습해보고 싶으신가요?
감정 분석, 요약, 번역, 이미지 생성 중 가장 흥미로운 건 무엇인가요?

댓글로 공유해 주세요