ローカライズされた読書ガイド
huggingface-llm-trainer目的、用途、および情報源
TRL（Transformer Reinforcement Learning）またはHugging Face Jobsインフラストラクチャを使用したUnslothを用いて、言語モデルと画像認識モデルのトレーニングまたは微調整を行います。SFT、DPO、GRPO、報酬モデリングのトレーニング方法に加え、ローカル展開のためのGGUF変換についても解説します。TRL Jobsパッケージ、PEPを使用したUVスクリプトに関するガイダンスも含まれています。723フォーマット、データセットの準備と検証、ハードウェアの選択、コスト見積もり、Trackioモニタリング、ハブ認証、モデルselection/leaderboardsモデルの永続化にも対応しています。クラウドGPUトレーニング、GGUF変換、またはローカルGPUセットアップなしでHugging Face Jobsのトレーニングを行う必要がある場合などに使用します。
ソースを取得しました:
- 出典リポジトリ
- huggingface/skills
- SKILL.md
skills/huggingface-llm-trainer/SKILL.md- リポジトリの Star
- 11,241
- リポジトリの最終更新
- 2026-10-30
- 能力分類
- データ
- 最終収集時刻
ライセンス: Apache-2.0
ワークフローの抜粋は、Codezによる実行可能な指示ではなく、あくまでも参考資料です。このページを作成するために、サードパーティ製のスキルは実行されていません。
以下の目的とワークフローに関する記述は、上流工程に関する資料であり、読みやすいように整理・翻訳されています。これらは、別途ラベル付けされたCodez編集分析とは区別されます。
このスキルが何をするか
TRL（Transformer Reinforcement Learning）またはHugging Face Jobsインフラストラクチャを使用したUnslothを用いて、言語モデルと画像認識モデルのトレーニングまたは微調整を行います。SFT、DPO、GRPO、報酬モデリングのトレーニング方法に加え、ローカル展開のためのGGUF変換についても解説します。TRL Jobsパッケージ、PEPを使用したUVスクリプトに関するガイダンスも含まれています。723フォーマット、データセットの準備と検証、ハードウェアの選択、コスト見積もり、Trackioモニタリング、ハブ認証、モデルselection/leaderboardsモデルの永続化にも対応しています。クラウドGPUトレーニング、GGUF変換、またはローカルGPUセットアップなしでHugging Face Jobsのトレーニングを行う必要がある場合などに使用します。
上流ワークフローの仕組み
クイックスタート：3つのアプローチ
💡 デモのヒント: 小型 GPU でのクイック デモ (t4-小さい）、省略eval_datasetそしてeval_strategy保存する～40% メモリ。トレーニングの損失と学習の進捗状況は引き続き確認できます。
概要
Hugging Faceのフルマネージドインフラストラクチャ上で、TRL（Transformer Reinforcement Learning）を使用して言語モデルをトレーニングします。ローカルGPUの設定は不要です。モデルはクラウドGPUでトレーニングされ、結果はHugging Face Hubに自動的に保存されます。TRLは、SFT（Supervised Fine-Tuning）- 標準的な命令チューニング、DPO（Direct Preference Optimization）- 選好データからのアライメントなど、複数のトレーニング方法を提供します。
上流への航路 · 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.要件とセットアップ
✅ データセットの要件
データセットはハブ上に存在するか、または以下の方法でロード可能である必要があります。datasets.load_dataset()フォーマットはトレーニング方法と一致する必要があります（SFT: "messages"/text/prompt-completion; DPO:chosen/rejected; GRPO: プロンプトのみ)
制限事項と品質チェック
このファイルからは、個別の制限に関する記述は選択されていません。これは、このスキルがあらゆる入力や環境において安全であることを意味するものではありません。ソースコード全体を確認し、ご自身で結果を検証してください。
まずは安全なトライアルから始めましょう
- サポートされているホストとリポジトリのインストール手順を確認してください。スキルディレクトリと、それに関連付けられているスクリプト、アセット、ドキュメントはまとめて保管してください。SKILL.md単独では依存関係を省略できる場合があります。
- エージェントに実際の入力、希望する出力、および受け入れ基準を指定してください。呼び出し構文と利用可能なツールはホストによって異なります。このサイトは、汎用的なインストールコマンドを前提としていません。
- 使い捨てプロジェクトまたはコピーで、元のワークフローを試してみてください。ファイル、リモートサービス、または課金対象リソースを変更する操作は、許可する前に必ず確認してください。
- 出力結果をソースの品質チェックおよび独自の要件と照らし合わせて検証してください。トリガーが成功したことやリポジトリのスター数が多いことだけでは、正しい結果とは言えません。
詳細は出典元をご覧ください。
- 概要
- このスキルを使うタイミング
- アンスロスを使うタイミング
- 主要指令
- ローカルスクリプトの実行
- 前提条件チェックリスト
- ✅ アカウントと認証
- ✅ データセットの要件
- ⚠️ 重要な設定
- 非同期型ジョブガイドライン
- 対応が必要
- 基本ルール
- 提出後
- クイックスタート：3つのアプローチ
- 配列長構成
- アプローチ1UVスクリプト（推奨 - デフォルト設定）
- スクリプトの操作
- アプローチ2TRLが管理するスクリプト（公式サンプル）
- Hubでさらに多くのUVスクリプトを見つける
- アプローチ3HF Jobs CLI（直接ターミナルコマンド）
- アプローチ4TRL求人パッケージ（簡易研修）
- ハードウェアの選択
- 重要: 結果をハブに保存する
- 必要な構成
- 検証チェックリスト
- タイムアウト管理
- タイムアウトガイドライン
- 基本モデルを選択してください（モデル選択）
- 費用見積もり
- トレーニングスクリプトの例
関連スキル
翻訳と範囲
この読書ガイドは、ピン留めされた上流からの抜粋を選りすぐっていますSKILL.md翻訳は補助的なものです。完全なマニュアルではなく、互換性テスト済みであることを保証するものでもありません。ご使用前に原文および参照ファイルをお読みください。
この紹介文は、下記に固定表示されているバージョンに関するものです。現在のリポジトリのアクティビティと収集時間は別途表示されます。
- ピン留めされたソース
- 原文を読む ↗
- ソースを取得しました
- ソースコミット
fabc634a893f62ad5c2039830397efa35fa62715- ソースSHA-256
fb5c5e25103e38226e4d8ae28db84a01de42a11da4be1918fa72f833699f9d0d