详细内容或原文请订阅后点击阅览
拥抱脸部 ML 实习生入门：您的第一个 ML 代理
您描述模型。它编写代码、运行训练并发送检查点。欢迎来到 ML 实习生。
来源:KDnuggetsML 实习生入门
您是否曾经遇到过这种熟悉的情况：您有一个模型想法，但“我读了论文”和“我在 Hub 上有一个训练有素的检查点”之间的差距仍然占用了整个周末？ ML Intern 是 Hugging Face 缩小这一差距的尝试。它是 Hugging Face 的开源命令行界面 (CLI) 代理，可让您用简单的英语描述机器学习任务。
您可以要求它微调模型、探索研究论文或开始训练运行，而不是手动将所有内容拼凑在一起。它处理初级机器学习工程师通常会做的工作：阅读文档、搜索 GitHub、编写脚本、启动工作、检查结果和迭代。
它端到端地构建在 Hugging Face 堆栈上。它可以在 Hub 和 arXiv 上搜索论文、处理数据集、使用 HF Jobs 启动图形处理单元 (GPU) 训练作业、使用 Trackio 记录实验，并在一切完成后将训练好的模型发布回 Hub。在幕后，它使用 smolagents 框架，并通过 Hugging Face Inference Providers 或本地端点路由模型调用（如果您不想消耗 API 积分）。
它不太像“ChatGPT for code”，而更像是一个实际上拥有 shell 访问权限和 Hugging Face 帐户的研究实习生。存储库是huggingface/ml-intern。您可以对其进行试验，使其适应您的需求，甚至使其成为持续集成 (CI) 工作流程的一部分。
了解 ML Intern 为何有帮助
真正的机器学习研究不是线性的。你读了一些东西，追寻引文，找到一个几乎适合的数据集，重写数据加载器两次，训练，意识到你的评估是错误的，修复它，然后再次训练。 ML Intern 旨在自动执行大部分重复性工作，以便您可以专注于研究决策，而不是重复编写设置代码。
与传统的聊天机器人不同，它在生成一个答案后不会停止。相反，它遵循迭代工作流程。
提示符：