Hugging Face Trackio 發布

Hugging Face 推出了 Trackio，一個開源的 Python 函式庫，旨在輕量級的實驗追蹤。它提供本地儀表板以視覺化指標與參數，並能將這些結果同步至 Hugging Face Spaces，支援免費的公開或私密協作。

主要技術優勢

  • 無縫分享與嵌入：使用者可以透過 iframe 將訓練圖表直接嵌入文件或部落格文章，讓相關人員在不需要建立帳號的情況下查看指標。
  • 資料可取得性與透明度：與具有專有 API 的工具不同，Trackio 讓提取與分析已記錄的資料變得簡單。它特別支援透過 nvidia-smi 指令直接取得 GPU 能源使用情況，並可將此資訊加入模型卡，以量化環境影響。
  • 效能最佳化：函式庫的輕量設計允許研究者在記錄時控制張量何時從 GPU 移至 CPU，降低對訓練吞吐量的影響。
  • 本地優先架構：預設情況下，日誌與儀表板會本地保存，確保資料在可選的雲端同步之前仍由使用者掌控。

API 相容性與使用方式

Trackio 被設計為 wandb 的即插即用替代方案。其 API 相容於 wandb.init、wandb.log 與 wandb.finish，使用者只需將匯入語句改為 import trackio as wandb 即可遷移。

安裝

Trackio 可透過 pip 或 uv 安裝：

pip install trackio

可視化與分享

使用者可以使用指令 trackio show 或 Python 函式 trackio.show() 來啟動本地儀表板。若要將儀表板同步至 Hugging Face Spaces，使用者需在初始化時提供 space_id：

trackio.init(project="fake-training", space_id="org_name/space_name")

為防止因 Spaces 的 SQLite 資料庫暫時性而導致資料遺失，Trackio 會自動將資料庫轉換為 Parquet 資料集，並每五分鐘備份至 Hugging Face Dataset。使用者亦可在 trackio.init() 時選擇指定自訂的 dataset_id。

生態系統整合

Trackio 原生整合 Hugging Face 生態系統，對於已使用這些函式庫的使用者只需最少的設定：

  • Transformers Trainer：在 TrainingArguments 中設定 report_to="trackio"，Trainer API 會自動將指標記錄至 Trackio。
  • Accelerate：在初始化 Accelerator 時使用 log_with="trackio"，使用者即可透過 accelerator.log() 記錄訓練步驟與指標。

設計原則與目前限制

Trackio 基於以下核心原則建構：

  • API 相容性：確保在追蹤函式庫之間的無縫遷移。
  • 輕量核心：程式碼基礎少於 1,000 行 Python，讓社群容易進行修改。
  • 開源且免費：所有功能，包括在 Hugging Face 上的託管，皆免費提供。
  • 基礎建設：以 Hugging Face Datasets 與 Spaces 為基礎，提供視覺化與資料處理。

由於此函式庫目前仍處於測試階段，尚未支援 artifact 管理或複雜的視覺化。Hugging Face 鼓勵社群透過 GitHub issue 提出功能需求。

Sources