Repolode
huggingface

huggingface/autotrain-advanced

No-code-инструмент Hugging Face для обучения и дообучения ML-моделей: LLM, текстовых, визуальных и токеновых — через веб-интерфейс, CLI или YAML-конфиги.

Звёзды
4,620
Форки
631
Открытые issues
4
Последний коммит
8 дней назад

Что это?

AutoTrain Advanced — no-code-инструмент Hugging Face для обучения и дообучения моделей машинного обучения. Управлять им можно через локальный веб-интерфейс, CLI или YAML-файлы конфигурации, поэтому запускать обучение можно без написания кода.

Проект поддерживает методы дообучения LLM, включая SFT, ORPO, DPO и обучение моделей вознаграждения, а также классификацию и регрессию текста, классификацию токенов, seq2seq, извлечение ответов на вопросы, классификацию и регрессию изображений. Обучение можно запускать локально на собственном оборудовании или в Hugging Face Spaces, а готовые модели — загружать в Hugging Face Hub.

Репозиторий больше не поддерживается: новые функции и исправления ошибок не выпускаются. Для дальнейшей работы мейнтейнеры рекомендуют Axolotl, TRL или transformers.Trainer.

Ключевые возможности

  • 01Рабочие процессы обучения через веб-интерфейс, CLI и YAML-конфиги
  • 02Поддержка дообучения LLM методами SFT, ORPO, DPO и с помощью обучения моделей вознаграждения
  • 03Поддержка задач классификации и регрессии текста, токенов и изображений, а также seq2seq
  • 04Запуск локально или в Hugging Face Spaces
  • 05Загрузка обученных моделей в Hugging Face Hub

Сценарии использования

  • Дообучение небольшой открытой LLM на собственном наборе инструкций без написания кода
  • Обучение классификатора текста на размеченных данных через браузерный интерфейс
  • Запуск воспроизводимых задач обучения с помощью YAML-конфигов под контролем версий

Быстрый старт

  1. 1

    Установите пакет с помощью pip (требуется Python 3.10 или новее)

    pip install autotrain-advanced
  2. 2

    Запустите веб-интерфейс локально

    autotrain app --port 8080 --host 127.0.0.1
  3. 3

    Или обучите модель, используя файл конфигурации YAML

    autotrain --config <path_to_config_file>

Что важно знать

  • Проект больше не поддерживается, поэтому новые функции и исправления ошибок добавляться не будут.
  • Для обучения больших моделей требуются значительные вычислительные ресурсы, например GPU; PyTorch необходимо установить отдельно.

В подборках

Темы

Частые вопросы

Что такое autotrain-advanced?
No-code-инструмент Hugging Face для обучения и дообучения ML-моделей: LLM, текстовых, визуальных и токеновых — через веб-интерфейс, CLI или YAML-конфиги. AutoTrain Advanced — no-code-инструмент Hugging Face для обучения и дообучения моделей машинного обучения. Управлять им можно через локальный веб-интерфейс, CLI или YAML-файлы конфигурации, поэтому запускать обучение можно без написания кода.
autotrain-advanced можно использовать бесплатно? Какая у него лицензия?
autotrain-advanced распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
autotrain-advanced всё ещё поддерживается?
Активно поддерживается. Последний коммит в autotrain-advanced — 29 окт. 2026 г..
Для чего можно использовать autotrain-advanced?
Дообучение небольшой открытой LLM на собственном наборе инструкций без написания кода Обучение классификатора текста на размеченных данных через браузерный интерфейс Запуск воспроизводимых задач обучения с помощью YAML-конфигов под контролем версий
Как установить autotrain-advanced?
Установите пакет с помощью pip (требуется Python 3.10 или новее): pip install autotrain-advanced Запустите веб-интерфейс локально: autotrain app --port 8080 --host 127.0.0.1 Или обучите модель, используя файл конфигурации YAML: autotrain --config <path_to_config_file>
Где скачать autotrain-advanced?
Исходный код и инструкции по установке — на GitHub: https://github.com/huggingface/autotrain-advanced

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

Открытые большие языковые модели, дообученные для финансовых задач: анализа тональности, прогнозирования и тестов по финансовой обработке естественного языка.

21,5 тыс.+41 за неделю3 тыс.Jupyter NotebookMITАктивно поддерживаетсяОбновлён 12 дней назад