TRL documentation
Trackio統合
はじめに
コンセプトガイド
Trainers
ハウツーガイド
コマンドラインインターフェース (CLI)Jobs を使用したトレーニングトレーニングのカスタマイズメモリ使用量の削減トレーニングの高速化トレーニングの分散AWS TrainiumでのトレーニングAMD GPUでのトレーニング100万トークン超のトレーニング学習済みモデルの使用
統合
例
API
実験的
Trackio統合
Trackioは、🤗 Datasetsと🤗 Spacesの上に構築された、軽量で無料の実験トラッキングライブラリです。TRLの推奨トラッキングソリューションであり、すべてのトレーナーにネイティブで統合されています。
ログ出力を有効にするには、トレーニング設定でreport_to="trackio"を設定するだけです。
from trl import SFTConfig # works with any trainer config (e.g. DPOConfig, GRPOConfig, etc.)
training_args = SFTConfig(
...,
report_to="trackio", # enable Trackio logging
)ラン名とプロジェクトによる実験の整理
デフォルトでは、Trackioは各ランを識別するための名前を生成します。ただし、実験の整理を容易にするため、説明的なrun_nameを設定することを強くお勧めします。例:
from trl import SFTConfig
training_args = SFTConfig(
...,
report_to="trackio",
run_name="sft_qwen3-4b_lr2e-5_bs128", # descriptive run name
)以下の環境変数を設定することで、関連する実験をプロジェクト単位でグループ化することもできます。
export TRACKIO_PROJECT="my_project"🤗 Spacesでのログのホスティング
Trackioはローカルファーストの設計を採用しており、ログはあなたのマシン上に保持されます。🤗 Spaces上でホストし、ダッシュボードをデプロイしたい場合は、以下を設定してください:
export TRACKIO_SPACE_ID="username/space_id"次の例を実行します:
import os
from trl import SFTConfig, SFTTrainer
from datasets import load_dataset
os.environ["TRACKIO_SPACE_ID"] = "trl-lib/trackio"
os.environ["TRACKIO_PROJECT"] = "trl-documentation"
trainer = SFTTrainer(
model="Qwen/Qwen3-0.6B",
train_dataset=load_dataset("trl-lib/Capybara", split="train"),
args=SFTConfig(
report_to="trackio",
run_name="sft_qwen3-0.6b_capybara",
),
)
trainer.train()https://huggingface.co/spaces/trl-lib/trackio にホストされたダッシュボードが提供されます。
Update on GitHub