跳转到主要内容

​
命令结构

AITraining CLI 对所有命令遵循一致的模式。

​
基本语法

aitraining <command> [options]

​
可用命令

命令描述
llm训练大语言模型 (LLMs)
chat启动聊天界面进行推理
api启动训练 API 服务器
text-classification训练文本分类模型
text-regression训练文本回归模型
image-classification训练图像分类模型
image-regression训练图像回归模型
token-classification训练 NER/标记分类
seq2seq训练序列到序列模型
tabular训练表格数据模型
sentence-transformers训练句子嵌入模型
object-detection训练目标检测模型
vlm训练视觉-语言模型
extractive-qa训练抽取式 QA 模型
tools实用工具：merge-llm-adapter、convert_to_kohya
setup初始设置和配置
spacerunner在 Hugging Face Spaces 上运行训练
SpaceRunner 要求：spacerunner 命令需要指定 --project-name、--script-path、--username、--token 和 --backend。

​
获取帮助

​
通用帮助

aitraining --help

​
命令特定帮助

aitraining llm --help

​
训练器特定帮助

对于 LLM 训练，查看特定训练器的参数： 
aitraining llm --trainer sft --help
aitraining llm --trainer dpo --help
aitraining llm --trainer orpo --help
aitraining llm --trainer ppo --help
或使用预览模式： 
aitraining llm --preview-trainer dpo --help

​
全局选项

这些选项是真正的全局选项（在顶层工作）：
选项描述
--help, -h显示帮助消息
--version, -v显示版本
--config从 YAML 配置文件加载
--backend 选项在大多数训练命令上可用，但按命令注册，不是全局的。有关后端详细信息，请参阅全局选项。

​
配置文件使用

使用 YAML 配置而不是命令行参数： 
aitraining --config training_config.yaml

​
示例

​
基本 LLM 训练

aitraining llm --train \
  --model google/gemma-3-270m \
  --data-path ./data \
  --project-name my-model \
  --trainer sft

​
使用 LoRA

aitraining llm --train \
  --model meta-llama/Llama-3.2-1B \
  --data-path ./data \
  --project-name my-lora-model \
  --peft \
  --lora-r 16 \
  --lora-alpha 32

​
文本分类

aitraining text-classification \
  --model bert-base-uncased \
  --data-path ./reviews.csv \
  --text-column text \
  --target-column label \
  --project-name sentiment-model

​
交互模式

不带参数运行以启动交互式向导： 
aitraining
或显式地： 
aitraining llm --interactive

​
下一步

LLM 训练

LLM 训练完整指南

YAML 配置

使用配置文件