QUICK_START_HF.md

快速开始：上传到 Hugging Face

✅ 整理完成

文件夹已整理完成，可以上传到 Hugging Face。

文件夹大小: 1.3MB（适合上传）

📋 整理内容

已完成的清理

• ✅ 更新了 .gitignore 文件
• ✅ 创建了清理脚本 cleanup_for_hf.py
• ✅ 检查了大文件（无大文件）
• ✅ 创建了上传指南

新增文件

• compute_cascade_metrics.py - 级联指标计算脚本
• COMPUTE_METRICS_README.md - 指标计算说明
• HF_UPLOAD_GUIDE.md - 上传指南
• ADDITIONS_README.md - 新增功能说明
• cleanup_for_hf.py - 清理脚本
• requirements_compute_metrics.txt - 额外依赖

🚀 三步上传

步骤1: 安装 Hugging Face CLI

pip install huggingface_hub

步骤2: 登录

huggingface-cli login
# 输入你的 token（在 https://huggingface.co/settings/tokens 获取）

步骤3: 创建仓库并上传

# 1. 在网页上创建仓库
# 访问 https://huggingface.co/new
# 选择 "Dataset"，命名为例如：easytpp-cascade-metrics

# 2. 上传文件
cd /Users/chenshuyi/Downloads/EasyTemporalPointProcess-main
huggingface-cli upload <your-username>/easytpp-cascade-metrics . --repo-type dataset

📥 在云电脑上下载

# 方法1: 使用 CLI
huggingface-cli download <your-username>/easytpp-cascade-metrics --local-dir ./EasyTPP

# 方法2: 使用 Git
git clone https://huggingface.co/datasets/<your-username>/easytpp-cascade-metrics
cd easytpp-cascade-metrics

⚠️ 重要：数据文件需要单独获取

代码仓库不包含数据文件（已通过 .gitignore 排除，因为文件太大）。

数据文件需要单独传输：

# 在云电脑上创建目录
mkdir -p data/cascades

# 方法1: 使用 scp 从本地传输（推荐）
scp user@local-machine:/path/to/information_cascade*.json ./data/cascades/

# 方法2: 如果已上传到 Hugging Face Dataset Hub
huggingface-cli download <username>/cascade-data --local-dir ./data/cascades

详细说明请参考 DATA_FILES_NOTICE.md

📚 相关文档

• 详细上传指南: HF_UPLOAD_GUIDE.md
• 数据文件说明: DATA_FILES_NOTICE.md ⚠️ 重要
• 指标计算说明: COMPUTE_METRICS_README.md
• 新增功能: ADDITIONS_README.md
• 上传检查清单: UPLOAD_CHECKLIST.md

⚠️ 注意事项

1. 文件大小: 当前文件夹 1.3MB，无需 Git LFS
2. 敏感信息: 已检查，无敏感信息
3. 依赖: 确保 requirements.txt 和 requirements_compute_metrics.txt 已包含

🎯 下一步

1. 按照上述步骤上传到 Hugging Face
2. 在云电脑上下载并测试
3. 运行 compute_cascade_metrics.py 计算指标

---

准备好了！可以开始上传了！ 🎉