دليل قراءة متعدد اللغات للمهارة
huggingface-llm-trainerالغرض والاستخدام والمصدر
تدريب أو ضبط نماذج اللغة والرؤية باستخدام TRL (التعلم المعزز باستخدام المحولات) أو Unsloth مع بنية Hugging Face Jobs. يغطي هذا التدريب أساليب SFT وDPO وGRPO ونماذج المكافآت، بالإضافة إلى تحويل GGUF للنشر المحلي. يتضمن إرشادات حول حزمة TRL Jobs، ونصوص UV مع PEP.723التنسيق، وإعداد مجموعة البيانات والتحقق من صحتها، واختيار الأجهزة، وتقدير التكلفة، ومراقبة Trackio، ومصادقة Hub، والنموذجselection/leaderboardsواستمرارية النموذج. يُستخدم للمهام التي تتضمن تدريب وحدة معالجة الرسومات السحابية، أو تحويل GGUF، أو عندما يذكر المستخدمون التدريب على Hugging Face Jobs بدون إعداد وحدة معالجة رسومات محلية.
تم استرجاع المصدر:
- مستودع المصدر
- huggingface/skills
- SKILL.md
skills/huggingface-llm-trainer/SKILL.md- نجوم المستودع
- 11,241
- آخر تحديث للمستودع
- 2026-10-30
- تصنيف القدرات
- بيانات
- وقت التجميع الأخير
الترخيص: Apache-2.0
مقتطفات سير العمل هي أدوات مساعدة للقراءة، وليست تعليمات تنفيذية من Codez. لم يتم تشغيل أي مهارة تابعة لجهة خارجية لإنتاج هذه الصفحة.
تُعدّ فقرات الغرض وسير العمل الواردة أدناه موادًا أساسية، مُنظّمة ومترجمة لتسهيل القراءة. وهي تختلف عن التحليل التحريري لـ Codez المُصنّف بشكل منفصل.
ما تفعله هذه المهارة
تدريب أو ضبط نماذج اللغة والرؤية باستخدام TRL (التعلم المعزز باستخدام المحولات) أو Unsloth مع بنية Hugging Face Jobs. يغطي هذا التدريب أساليب SFT وDPO وGRPO ونماذج المكافآت، بالإضافة إلى تحويل GGUF للنشر المحلي. يتضمن إرشادات حول حزمة TRL Jobs، ونصوص UV مع PEP.723التنسيق، وإعداد مجموعة البيانات والتحقق من صحتها، واختيار الأجهزة، وتقدير التكلفة، ومراقبة Trackio، ومصادقة Hub، والنموذجselection/leaderboardsواستمرارية النموذج. يُستخدم للمهام التي تتضمن تدريب وحدة معالجة الرسومات السحابية، أو تحويل GGUF، أو عندما يذكر المستخدمون التدريب على Hugging Face Jobs بدون إعداد وحدة معالجة رسومات محلية.
طريقة الاستخدام وفق المستند الأصلي
بداية سريعة: ثلاثة مناهج
💡 نصيحة للعروض التوضيحية: للعروض التوضيحية السريعة على وحدات معالجة الرسومات الأصغر (t4(صغير)، حذفeval_datasetوeval_strategyللحفظ ~40نسبة الذاكرة. ستظل ترى انخفاضًا في التدريب وتقدمًا في التعلم.
ملخص
قم بتدريب نماذج اللغة باستخدام تقنية TRL (التعلم المعزز باستخدام المحولات) على بنية Hugging Face المُدارة بالكامل. لا حاجة لإعداد وحدة معالجة رسومية محلية، حيث يتم تدريب النماذج على وحدات معالجة رسومية سحابية، ويتم حفظ النتائج تلقائيًا في Hugging Face Hub. توفر تقنية TRL طرق تدريب متعددة: SFT (الضبط الدقيق الخاضع للإشراف) - ضبط التعليمات القياسية، وDPO (التحسين المباشر للتفضيلات) - المواءمة من بيانات التفضيلات.
مقتطف من المصدر · L9 ↗hf_doc_search("your query", product="trl")
hf_doc_fetch("https://huggingface.co/docs/trl/sft_trainer") # SFT
hf_doc_fetch("https://huggingface.co/docs/trl/dpo_trainer") # DPO
# etc.المتطلبات والإعداد
✅ متطلبات مجموعة البيانات
يجب أن تكون مجموعة البيانات موجودة على Hub أو قابلة للتحميل عبرdatasets.load_dataset()يجب أن يتطابق التنسيق مع طريقة التدريب (SFT: "الرسائل"/text/prompt-completion; DPO:chosen/rejected; GRPO: موجه فقط)
الحدود وفحوصات الجودة
لم يتم تحديد أي مقطع حدود منفصل من هذا الملف. هذا لا يعني أن المهارة آمنة لكل مدخلات أو بيئة. راجع المصدر بالكامل وتحقق من صحة النتيجة بنفسك.
ابدأ بتجربة آمنة
- تحقق من المضيف المدعوم وتعليمات تثبيت المستودع. احتفظ بمجلد المهارات والبرامج النصية والأصول والوثائق المشار إليها معًا؛SKILL.mdقد يؤدي وجود شخص واحد فقط إلى إغفال بعض التبعيات.
- زوّد البرنامج ببياناتك الفعلية، والمخرجات المطلوبة، ومعايير القبول. يعتمد بناء جملة الاستدعاء والأدوات المتاحة على النظام المضيف؛ ولا يفترض هذا الموقع وجود أمر تثبيت موحد.
- جرّب سير العمل الأصلي في مشروع مؤقت أو على نسخة احتياطية. راجع العمليات التي تُغيّر الملفات أو الخدمات البعيدة أو الموارد القابلة للفوترة قبل السماح بها.
- تحقق من صحة المخرجات بمقارنتها بفحوصات جودة المصدر ومتطلباتك الخاصة. لا يُعدّ نجاح عملية التشغيل أو ارتفاع عدد النجوم في المستودع دليلاً على صحة النتيجة.
اقرأ المزيد في المصدر
- ملخص
- متى تستخدم هذه المهارة
- متى تستخدم Unsloth
- التوجيهات الرئيسية
- تنفيذ البرامج النصية المحلية
- قائمة المتطلبات الأساسية
- ✅ الحساب والمصادقة
- ✅ متطلبات مجموعة البيانات
- ⚠️ إعدادات هامة
- إرشادات العمل غير المتزامن
- الإجراء المطلوب
- القواعد الأساسية
- بعد التقديم
- بداية سريعة: ثلاثة مناهج
- تكوين طول التسلسل
- يقترب1: نصوص UV (موصى به - الخيار الافتراضي)
- العمل مع البرامج النصية
- يقترب2: نصوص برمجية معتمدة من TRL (أمثلة رسمية)
- العثور على المزيد من نصوص UV على Hub
- يقترب3: HF Jobs CLI (أوامر طرفية مباشرة)
- يقترب4حزمة وظائف TRL (تدريب مبسط)
- اختيار الأجهزة
- هام: حفظ النتائج في المركز
- التكوين المطلوب
- قائمة التحقق من صحة البيانات
- إدارة المهلة الزمنية
- إرشادات انتهاء المهلة
- اختر طرازًا أساسيًا (اختيار الطراز)
- تقدير التكاليف
- نماذج لنصوص التدريب
المهارات ذات الصلة
الترجمة والنطاق
يختار دليل القراءة هذا مقاطع من المصدر الرئيسي المثبتSKILL.mdهذه الترجمة مساعدة. وهي ليست دليلاً كاملاً ولا تضمن التوافق المُختَبَر. يُرجى قراءة النص الأصلي والملفات المُشار إليها قبل الاستخدام.
تشير هذه المقدمة إلى النسخة المثبتة أدناه؛ ويتم عرض نشاط المستودع الحالي ووقت التجميع بشكل منفصل.
- المصدر بإصدار ثابت
- اقرأ الأصل ↗
- تم استرجاع المصدر
- معرّف نسخة Git
fabc634a893f62ad5c2039830397efa35fa62715- المصدر SHA-256
fb5c5e25103e38226e4d8ae28db84a01de42a11da4be1918fa72f833699f9d0d