常見問題解答

我的資料和模型安全嗎？

是的，您的資料和模型是安全的。AutoTrain 使用 Hugging Face Hub 儲存您的資料和模型。您所有的資料和模型都會作為私有儲存庫上傳到您的 Hugging Face 帳戶，並且只有您本人可以訪問。請在此處閱讀更多關於安全性的資訊：這裡。

你們會把我的資料上傳到 Hugging Face Hub 嗎？

如果您使用本地後端或在同一個 Space 中進行訓練，AutoTrain 不會將您的資料集上傳到 Hub。如果您正在使用 DGX Cloud 或使用本地 CLI 在 Hugging Face 的基礎設施上進行訓練等功能，AutoTrain 會將您的資料集推送到 Hub。

訓練完成後，您可以安全地從 Hub 中刪除資料集。如果上傳，資料集將作為私有儲存庫儲存在您的 Hugging Face 帳戶中，只有您和訓練過程可以訪問。訓練完成後，它將不再被使用。

我的訓練 Space 在訓練中途無故暫停

AutoTrain 訓練 Space 在訓練完成（或失敗）後會自動暫停。這樣做是為了節省資源和成本。如果您的訓練失敗，您仍然可以檢視 Space 日誌，找出問題所在。注意：如果您重新啟動 Space，將無法檢索到日誌。

Space 暫停的另一個原因是 Space 的休眠時間觸發。如果您的訓練任務執行時間較長，必須將休眠時間設定為一個更高的值。無論如何，訓練完成後 Space 都會自動暫停，從而為您節省成本。

我收到錯誤“Your installed package nvidia-ml-py is corrupted. Skip patch functions”

這個錯誤可以安全地忽略。它來自 `nvitop` 庫的警告，不會影響 AutoTrain 的功能。

使用使用者介面時我收到 409 衝突錯誤

當您嘗試建立一個與現有專案同名的專案時，會發生此錯誤。要解決此錯誤，您可以刪除現有專案或建立一個不同名稱的新專案。

當您試圖在同一個 Space 或本地環境中已有模型正在訓練時，再次訓練一個模型，也可能發生此錯誤。

我想使用的模型沒有出現在模型選擇下拉選單中。

如果您想使用的模型在模型選擇下拉選單中不可用，您可以在 Space 設定的環境變數 `AUTOTRAIN_CUSTOM_MODELS` 中新增它。例如，如果您想新增 `xxx/yyy` 模型，請轉到 Space 設定，建立一個名為 `AUTOTRAIN_CUSTOM_MODELS` 的變數，並將其值設定為 `xxx/yyy`。

您也可以將模型名稱作為 URL 中的查詢引數傳遞。例如，如果您想使用 `xxx/yyy` 模型，可以使用 URL `https://huggingface.co/spaces/your_autotrain_space?custom_models=xxx/yyy`。

我該如何本地使用 AutoTrain？

透過安裝 AutoTrain Advanced pypi 包可以在本地使用 AutoTrain。您可以在 *本地使用 AutoTrain* 部分閱讀更多資訊。

我可以在 Colab 上執行 AutoTrain 嗎？

要在 Colab 上啟動 UI，您只需點選以下連結即可。

請注意，要在 Colab 上執行該應用，您需要一個 ngrok 令牌。您可以在 ngrok 免費註冊獲取。這是因為 Colab 不允許直接將埠暴露到網際網路。

要在 Colab 上改用 CLI，您可以按照與本地使用 AutoTrain 相同的說明操作。

AutoTrain 有 Docker 映象嗎？

是的，AutoTrain 有 Docker 映象。您可以在 Docker Hub 上找到 Docker 映象：這裡。

是否支援 Windows？

不幸的是，AutoTrain 目前不正式支援 Windows。您可以嘗試使用 WSL（Windows Subsystem for Linux）在 Windows 上執行 AutoTrain，或使用 Docker 映象。

“—project-name”引數不能設定為目錄

--project-name 引數不應是路徑，它將在執行 autotrain 命令的位置建立。此引數必須是字母數字，並且可以包含連字元。

我收到 config.json not found 錯誤

這意味著您訓練了一個介面卡模型（peft=true），它不會生成 config.json。但這並不重要，模型仍然可以透過 AutoModelForCausalLM 或 Inference Endpoints 載入。如果您想將權重與基礎模型合併，您可以使用 `autotrain tools`。請在雜項部分閱讀相關內容。

AutoTrain 是否支援多 GPU 訓練？

是的，AutoTrain 支援多 GPU 訓練。AutoTrain 會自行判斷使用者是否在多 GPU 設定上執行命令，如果 GPU 數量大於 1 且小於 4，則使用多 GPU ddp；如果 GPU 數量大於等於 4，則使用 deepspeed。

我該如何使用具有多個配置的 Hub 資料集？

如果您的 Hub 資料集有多個配置，您可以使用 `train_split` 引數來指定配置和拆分。例如，在這個資料集這裡，有多個配置：`pair`、`pair-class`、`pair-score` 和 `triplet`。

如果我想使用 `pair-class` 配置的 `train` 拆分，我可以在 UI 或 CLI / 配置中將 `pair-class:train` 寫作 `train_split`。

下面顯示了一個示例配置

data:
  path: sentence-transformers/all-nli
  train_split: pair-class:train
  valid_split: pair-class:test
  column_mapping:
    sentence1_column: premise
    sentence2_column: hypothesis
    target_column: label