本地训练快速入门指南

本快速入门指南适用于本地安装和使用。如果您想在 Hugging Face Spaces 上使用 AutoTrain，请参考Hugging Face Spaces 上的 AutoTrain 部分。

您可以使用 pip 安装 AutoTrain Advanced

$ pip install autotrain-advanced

建议在虚拟环境中安装 autotrain-advanced，以避免与其他软件包冲突。注意：AutoTrain 不安装 pytorch、torchaudio、torchvision 或任何其他大型依赖项。您需要单独安装它们。

$ conda create -n autotrain python=3.10
$ conda activate autotrain
$ pip install autotrain-advanced
$ conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
$ conda install -c "nvidia/label/cuda-12.1.0" cuda-nvcc
$ conda install xformers -c xformers
$ python -m nltk.downloader punkt
$ pip install flash-attn --no-build-isolation # if you want to use flash-attn
$ pip install deepspeed # if you want to use deepspeed

运行 AutoTrain 用户界面 (UI)

要在本地运行 autotrain 应用程序，您可以使用以下命令

$ export HF_TOKEN=your_hugging_face_write_token
$ autotrain app --host 127.0.0.1 --port 8000

这将在 http://127.0.0.1:8000 上启动应用程序。

使用 AutoTrain 命令行界面 (CLI)

也可以使用 CLI

$ export HF_TOKEN=your_hugging_face_write_token
$ autotrain --help

这将显示可以使用的 CLI 命令

usage: autotrain <command> [<args>]

positional arguments:
{
    app,
    llm,
    setup,
    api,
    text-classification,
    text-regression,
    image-classification,
    tabular,
    spacerunner,
    seq2seq,
    token-classification
}
    
    commands

options:
  -h, --help            show this help message and exit
  --version, -v         Display AutoTrain version
  --config CONFIG       Optional configuration file

For more information about a command, run: `autotrain <command> --help`

建议在使用 CLI 时，仅使用 autotrain --config CONFIG_FILE 命令进行训练。

最终用户会感兴趣的 autotrain 命令是

app: 启动 AutoTrain UI
llm: 训练语言模型
text-classification: 训练文本分类模型
text-regression: 训练文本回归模型
image-classification: 训练图像分类模型
tabular: 训练表格数据模型
spacerunner: 使用 SpaceRunner 训练任何自定义模型
seq2seq: 训练序列到序列模型
token-classification: 训练 Token 分类模型

注意：如果您使用首选的 autotrain --config CONFIG_FILE 命令来训练模型，则不需要上述命令。

< > 在 GitHub 上更新