服务器数据上传huggingface

1. Python上传

1. 安装（如果还没装）：

pip install huggingface_hub

2. 登录 Hugging Face：

• 在：https://huggingface.co/settings/tokens 创建 access token。

from huggingface_hub import login
login(token="你的access token")

3. 创建一个 repo（如果还没有）：

from huggingface_hub import create_repo
create_repo(name="my-dataset", repo_type="dataset", private=True) # 可选 model / space

4. 上传整个文件夹（包括嵌套目录）

from huggingface_hub import upload_folder

upload_folder(
    repo_id="your-username/my-dataset",
    folder_path="./your_local_folder",
    repo_type="dataset", # 可选 model / space path_in_repo="data", # 在仓库中的路径（比如放到data/目录下） )

from huggingface_hub import upload_folder

upload_folder(
    repo_id="usrname/xxxxx",
    folder_path="/home/xxxx/xxxxxxxxx",
    repo_type="dataset",  # 可选 model / space
    path_in_repo="ur.data.name",  # 在仓库中的路径（比如放到data/目录下）
)
 

import os
from huggingface_hub import HfApi

# 设置 Hugging Face token（也可以从环境变量中读取）
HF_TOKEN = "hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

# 创建 API 客户端
api = HfApi(token=HF_TOKEN)

# ==== 可选：如果仓库不存在就创建 ====
api.create_repo(
    name="VVC2025",         # 仓库名称（不要包含子目录）
    repo_type="dataset",    # 仓库类型：模型 / 数据集 / Space
    exist_ok=True           # 如果已存在不会报错
)

# ==== 上传本地文件夹 ====
api.upload_folder(
    folder_path="/home/pathToLocalDatasets",  # 本地路径
    repo_id="username/repo_name",                # 仓库 ID（用户名/仓库名）
    repo_type="dataset",                       # 数据集类型
    path_in_repo="XXX/xxxx/1xxxx",    # 仓库内路径（支持多层目录）
    commit_message="Upload cell-eval dataset folder"  # 提交说明
)

print("✅ 上传成功！请前往 https://huggingface.co/datasets/username/repo_name 查看")