常见问题解答

我的数据和模型安全吗？

是的，您的数据和模型是安全的。AutoTrain 使用 Hugging Face Hub 存储您的数据和模型。您所有的数据和模型都会作为私有存储库上传到您的 Hugging Face 帐户，并且只有您本人可以访问。请在此处阅读更多关于安全性的信息：这里。

你们会把我的数据上传到 Hugging Face Hub 吗？

如果您使用本地后端或在同一个 Space 中进行训练，AutoTrain 不会将您的数据集上传到 Hub。如果您正在使用 DGX Cloud 或使用本地 CLI 在 Hugging Face 的基础设施上进行训练等功能，AutoTrain 会将您的数据集推送到 Hub。

训练完成后，您可以安全地从 Hub 中删除数据集。如果上传，数据集将作为私有存储库存储在您的 Hugging Face 帐户中，只有您和训练过程可以访问。训练完成后，它将不再被使用。

我的训练 Space 在训练中途无故暂停

AutoTrain 训练 Space 在训练完成（或失败）后会自动暂停。这样做是为了节省资源和成本。如果您的训练失败，您仍然可以查看 Space 日志，找出问题所在。注意：如果您重新启动 Space，将无法检索到日志。

Space 暂停的另一个原因是 Space 的休眠时间触发。如果您的训练任务运行时间较长，必须将休眠时间设置为一个更高的值。无论如何，训练完成后 Space 都会自动暂停，从而为您节省成本。

我收到错误“Your installed package nvidia-ml-py is corrupted. Skip patch functions”

这个错误可以安全地忽略。它来自 `nvitop` 库的警告，不会影响 AutoTrain 的功能。

使用用户界面时我收到 409 冲突错误

当您尝试创建一个与现有项目同名的项目时，会发生此错误。要解决此错误，您可以删除现有项目或创建一个不同名称的新项目。

当您试图在同一个 Space 或本地环境中已有模型正在训练时，再次训练一个模型，也可能发生此错误。

我想使用的模型没有出现在模型选择下拉菜单中。

如果您想使用的模型在模型选择下拉菜单中不可用，您可以在 Space 设置的环境变量 `AUTOTRAIN_CUSTOM_MODELS` 中添加它。例如，如果您想添加 `xxx/yyy` 模型，请转到 Space 设置，创建一个名为 `AUTOTRAIN_CUSTOM_MODELS` 的变量，并将其值设置为 `xxx/yyy`。

您也可以将模型名称作为 URL 中的查询参数传递。例如，如果您想使用 `xxx/yyy` 模型，可以使用 URL `https://huggingface.co/spaces/your_autotrain_space?custom_models=xxx/yyy`。

我该如何本地使用 AutoTrain？

通过安装 AutoTrain Advanced pypi 包可以在本地使用 AutoTrain。您可以在 *本地使用 AutoTrain* 部分阅读更多信息。

我可以在 Colab 上运行 AutoTrain 吗？

要在 Colab 上启动 UI，您只需点击以下链接即可。

请注意，要在 Colab 上运行该应用，您需要一个 ngrok 令牌。您可以在 ngrok 免费注册获取。这是因为 Colab 不允许直接将端口暴露到互联网。

要在 Colab 上改用 CLI，您可以按照与本地使用 AutoTrain 相同的说明操作。

AutoTrain 有 Docker 镜像吗？

是的，AutoTrain 有 Docker 镜像。您可以在 Docker Hub 上找到 Docker 镜像：这里。

是否支持 Windows？

不幸的是，AutoTrain 目前不正式支持 Windows。您可以尝试使用 WSL（Windows Subsystem for Linux）在 Windows 上运行 AutoTrain，或使用 Docker 镜像。

“—project-name”参数不能设置为目录

--project-name 参数不应是路径，它将在运行 autotrain 命令的位置创建。此参数必须是字母数字，并且可以包含连字符。

我收到 config.json not found 错误

这意味着您训练了一个适配器模型（peft=true），它不会生成 config.json。但这并不重要，模型仍然可以通过 AutoModelForCausalLM 或 Inference Endpoints 加载。如果您想将权重与基础模型合并，您可以使用 `autotrain tools`。请在杂项部分阅读相关内容。

AutoTrain 是否支持多 GPU 训练？

是的，AutoTrain 支持多 GPU 训练。AutoTrain 会自行判断用户是否在多 GPU 设置上运行命令，如果 GPU 数量大于 1 且小于 4，则使用多 GPU ddp；如果 GPU 数量大于等于 4，则使用 deepspeed。

我该如何使用具有多个配置的 Hub 数据集？

如果您的 Hub 数据集有多个配置，您可以使用 `train_split` 参数来指定配置和拆分。例如，在这个数据集这里，有多个配置：`pair`、`pair-class`、`pair-score` 和 `triplet`。

如果我想使用 `pair-class` 配置的 `train` 拆分，我可以在 UI 或 CLI / 配置中将 `pair-class:train` 写作 `train_split`。

下面显示了一个示例配置

data:
  path: sentence-transformers/all-nli
  train_split: pair-class:train
  valid_split: pair-class:test
  column_mapping:
    sentence1_column: premise
    sentence2_column: hypothesis
    target_column: label