跳转到主要内容

​
何时使用 CLI

命令行界面非常适合自动化和可重现的工作流程。

​
最适合

  • 自动化 - 脚本化重复任务
  • CI/CD 管道 - 与部署集成
  • 远程服务器 - SSH 到云实例
  • 批处理 - 训练多个模型
  • 可重现性 - 保存和共享确切的命令

​
外观

在终端中输入命令： 
aitraining text-classification \
  --model bert-base-uncased \
  --data train.csv \
  --epochs 5

​
工作流程示例

# 准备数据
python prepare_data.py

# 训练模型
aitraining train \
  --task text-classification \
  --data data/train.csv \
  --output models/v1

# 评估
aitraining evaluate \
  --model models/v1 \
  --test data/test.csv

# 部署
aitraining serve --model models/v1

​
优势

  • 可脚本化 - 自动化一切
  • 可重现 - 保存确切命令
  • 版本控制 - 在 git 中跟踪
  • 远程友好 - 通过 SSH 工作
  • 并行执行 - 运行多个训练

​
限制

  • 学习曲线 - 必须了解命令语法
  • 无视觉反馈 - 仅文本输出
  • 容易出错 - 命令中的拼写错误
  • 不易发现 - 必须知道选项存在

​
何时切换

当您需要以下功能时，切换到 UI：
  • 需要视觉反馈
  • 想要探索选项
  • 教授非技术用户
  • 进行快速实验
当您需要以下功能时，切换到 API：
  • 需要自定义逻辑
  • 构建应用程序
  • 复杂预处理
  • 动态配置

​
常见用例

​
超参数搜索

for lr in 1e-5 2e-5 5e-5; do
  aitraining train \
    --learning-rate $lr \
    --output models/lr_$lr
done

​
夜间训练

# 在 cron 或调度器中
0 2 * * * /path/to/retrain.sh

​
远程训练

ssh gpu-server
screen -S training
aitraining train --data s3://bucket/data.csv
# 使用 Ctrl-A D 分离

​
CI/CD 集成

# .github/workflows/train.yml
- name: Train model
  run: aitraining train --config config.yaml

​
CLI 用户提示

  1. 保存命令 - 保留 commands.txt 文件
  2. 使用配置 - YAML 文件优于长命令
  3. 记录输出 - 重定向到文件
  4. 使用 screen/tmux - 用于长时间运行的任务
  5. 编写脚本 - 组合多个步骤

​
CLI 独有功能

CLI 最擅长的事情：
  • 从其他命令管道数据
  • 与 shell 脚本集成
  • 在无头服务器上运行
  • 批处理文件
  • 计划执行

​
基本命令

# 查看所有选项
aitraining --help

# 列出可用模型
aitraining models list

# 检查训练状态
aitraining status

# 恢复中断的训练
aitraining train --resume

# 转换模型格式
aitraining convert --from pytorch --to onnx

​
环境变量

# 设置默认值
export AITRAINING_MODEL=bert-base
export AITRAINING_EPOCHS=5

# 现在命令更简单
aitraining train --data train.csv

​
下一步

CLI 参考

完整的命令文档

API 替代方案

何时改用 Python