Guia de leitura localizado
huggingface-trackioFinalidade, utilização e fonte
Monitore e visualize experimentos de treinamento de aprendizado de máquina com o Trackio. Use-o para registrar métricas durante o treinamento (API Python), disparar alertas para diagnósticos de treinamento ouretrieving/analyzingRegistra métricas (CLI). Suporta visualização de painéis em tempo real, alertas com webhooks, sincronização com o HF Space e saída JSON para automação.
Fonte recuperada:
- Repositório de origem
- huggingface/skills
- SKILL.md
skills/huggingface-trackio/SKILL.md- Estrelas do repositório
- 11,241
- Atualização do repositório
- 2026-10-30
- Classificação de Habilidades
- Desenvolvimento
- Última coleta
Licença: Apache-2.0
Os trechos do fluxo de trabalho são auxiliares de leitura e não instruções executáveis do Codez. Nenhuma Skill de terceiros foi executada para gerar esta página.
Os trechos abaixo, que descrevem o propósito e o fluxo de trabalho, são material original, organizado e traduzido para facilitar a leitura. Eles são distintos da análise editorial da Codez, que possui uma etiqueta separada.
O que esta habilidade faz
Monitore e visualize experimentos de treinamento de aprendizado de máquina com o Trackio. Use-o para registrar métricas durante o treinamento (API Python), disparar alertas para diagnósticos de treinamento ouretrieving/analyzingRegistra métricas (CLI). Suporta visualização de painéis em tempo real, alertas com webhooks, sincronização com o HF Space e saída JSON para automação.
Como funciona o fluxo de trabalho upstream
Fluxo de trabalho de experimento de aprendizado de máquina autônomo
Ao executar experimentos de forma autônoma como um agente LLM, o fluxo de trabalho recomendado é: Configurar o treinamento com alertas — inserirtrackio.alert()Solicitar condições de diagnóstico. Iniciar treinamento — executar o script em segundo plano. Verificar alertas — usar.trackio list alerts --project --json --since para verificar se há novos alertas
Trackio - Rastreamento de experimentos para treinamento de aprendizado de máquina
Trackio é uma biblioteca de rastreamento de experimentos para registrar e visualizar métricas de treinamento de aprendizado de máquina. Ela sincroniza com o Hugging Face Spaces para painéis de monitoramento em tempo real.
Passagem a montante · L6 ↗API Python → Registro de logs
Usarimport trackioNos seus scripts de treinamento para registrar métricas: Inicialize o rastreamento comtrackio.init()
Requisitos e configuração
import trackio
# Spaces are PUBLIC by default (good for shareable dashboards);
# pass private=True if the metrics should not be public
trackio.init(project="my-project", space_id="username/trackio", private=True)
trackio.log({"loss": 0.1, "accuracy": 0.9})
trackio.log({"loss": 0.09, "accuracy": 0.91})
trackio.finish()Limites e verificações de qualidade
Nenhuma passagem de limites separada foi selecionada deste arquivo. Isso não significa que a Skill seja segura para todas as entradas ou ambientes. Analise o código-fonte completo e valide seus próprios resultados.
Comece com um teste seguro.
- Verifique o host compatível e as instruções de instalação do repositório. Mantenha o diretório Skill e seus scripts, recursos e documentação referenciados juntos;SKILL.mdsozinho pode omitir dependências.
- Forneça ao agente suas entradas reais, a saída desejada e os critérios de aceitação. A sintaxe de invocação e as ferramentas disponíveis dependem do host; este site não pressupõe um comando de instalação universal.
- Teste o fluxo de trabalho original em um projeto descartável ou em uma cópia. Analise as operações que alteram arquivos, serviços remotos ou recursos faturáveis antes de permiti-las.
- Valide o resultado comparando-o com as verificações de qualidade da fonte e com seus próprios requisitos. Um gatilho bem-sucedido ou uma alta contagem de estrelas no repositório não garantem um resultado correto.
Leia mais na fonte.
Habilidades relacionadas
Tradução e escopo
Este guia de leitura seleciona trechos do texto fixado a montante.SKILL.mdA tradução foi feita com auxílio de ferramentas. Este não é um manual completo nem garante compatibilidade comprovada. Leia o original e os arquivos referenciados antes de usar.
Esta introdução refere-se à versão fixada abaixo; a atividade atual do repositório e o tempo de coleta são mostrados separadamente.
- Fonte fixada
- Leia o original ↗
- Fonte recuperada
- Commit de origem
fabc634a893f62ad5c2039830397efa35fa62715- Fonte SHA-256
540f52974f4f77c2455a7b37ed983da0dbfb0f5af3d2c482e4736f14f1cc8724