TRL documentation

Trackio 集成

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Trackio 集成

Trackio 是一个轻量级、免费的实验跟踪库,构建于 🤗 Datasets 和 🤗 Spaces 之上。它是 TRL 推荐的跟踪方案,并与所有 trainer 原生集成。

要启用日志记录,只需在训练配置中设置 report_to="trackio":

from trl import SFTConfig  # works with any trainer config (e.g. DPOConfig, GRPOConfig, etc.)

training_args = SFTConfig(
    ...,
    report_to="trackio",  # enable Trackio logging
)

使用运行名称和项目组织实验

默认情况下,Trackio 会生成一个名称来标识每次运行。但我们强烈建议设置一个描述性的 run_name,以便于组织实验。例如:

from trl import SFTConfig

training_args = SFTConfig(
    ...,
    report_to="trackio",
    run_name="sft_qwen3-4b_lr2e-5_bs128",  # descriptive run name
)

你还可以通过设置以下环境变量,将相关实验按项目分组:

export TRACKIO_PROJECT="my_project"

在 🤗 Spaces 上托管您的日志

Trackio 采用本地优先的设计,这意味着您的日志将保留在您的机器上。如果您希望托管这些日志并在 🤗 Spaces 上部署仪表板,请设置:

export TRACKIO_SPACE_ID="username/space_id"

运行以下示例:

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()

将为您提供一个托管在 https://huggingface.co/spaces/trl-lib/trackio 的仪表板。

Update on GitHub