AutoTrain 配置

AutoTrain 配置是使用 AutoTrain 在本地使用和训练模型的方式。

一旦您安装了 AutoTrain Advanced，您可以使用以下命令，通过 AutoTrain 配置文件来训练模型

$ export HF_USERNAME=your_hugging_face_username
$ export HF_TOKEN=your_hugging_face_write_token

$ autotrain --config path/to/config.yaml

所有任务的示例配置都可以在 AutoTrain Advanced GitHub 仓库的 configs 目录中找到。

这是一个 AutoTrain 配置文件的示例

task: llm
base_model: meta-llama/Meta-Llama-3-8B-Instruct
project_name: autotrain-llama3-8b-orpo
log: tensorboard
backend: local

data:
  path: argilla/distilabel-capybara-dpo-7k-binarized
  train_split: train
  valid_split: null
  chat_template: chatml
  column_mapping:
    text_column: chosen
    rejected_text_column: rejected

params:
  trainer: orpo
  block_size: 1024
  model_max_length: 2048
  max_prompt_length: 512
  epochs: 3
  batch_size: 2
  lr: 3e-5
  peft: true
  quantization: int4
  target_modules: all-linear
  padding: right
  optimizer: adamw_torch
  scheduler: linear
  gradient_accumulation: 4
  mixed_precision: bf16

hub:
  username: ${HF_USERNAME}
  token: ${HF_TOKEN}
  push_to_hub: true

在此配置中，我们正在使用 orpo 训练器，以 2 的批次大小和 3e-5 的学习率，对 argilla/distilabel-capybara-dpo-7k-binarized 数据集上的 meta-llama/Meta-Llama-3-8B-Instruct 模型进行 3 个 epoch 的微调。有关可用参数的更多信息，请参阅数据格式和参数部分。

如果您不想将模型推送到 Hub，您可以在配置文件中将 push_to_hub 设置为 false。如果不将模型推送到 Hub，则不需要用户名和令牌。注意：如果您尝试访问受限模型或数据集，则可能仍然需要它们。

< > 在 GitHub 上更新