TRL(Transformer Reinforcement Learning) 또는 Unsloth를 사용하여 언어 및 비전 모델을 Hugging Face Jobs 인프라에서 학습 또는 미세 조정합니다. SFT, DPO, GRPO 및 보상 모델링 학습 방법과 GGUF 변환을 통한 로컬 배포를 다룹니다.
이 스킬은 Hugging Face의 TRL(Transformer Reinforcement Learning) 라이브러리 또는 Unsloth를 활용하여 클라우드 GPU 환경에서 언어 모델과 비전 모델을 학습하거나 미세 조정할 수 있는 포괄적인 가이드를 제공합니다. SFT(지도 미세 조정), DPO(직접 선호도 최적화), GRPO(그룹 상대 정책 최적화) 및 보상 모델링과 같은 다양한 학습 방법을 지원하며, 학습된 모델을 GGUF 형식으로 변환하여 Llama.cpp와 같은 로컬 추론 엔진에서 효율적으로 실행할 수 있도록 합니다. 이 스킬은 PEP 723 형식의 UV 스크립트를 활용하여 의존성 관리 및 실행을 간소화하고, 데이터셋 준비 및 검증, 하드웨어 선택(GPU 유형 및 수량), 비용 추정, Trackio를 통한 학습 모니터링, Hub 인증 및 모델 업로드/지속성에 대한 실용적인 지침을 포함합니다. 사용자가 로컬 GPU 없이 Hugging Face Jobs에서 모델을 학습하거나 GGUF 변환이 필요할 때 특히 유용하며, 허브의 모델 리더보드와 벤치마크를 활용한 최적의 기반 모델 선택도 돕습니다.
npx skills add https://github.com/huggingface/skills/tree/main/skills/huggingface-llm-trainerInstalled? Explore more 코딩 & 개발 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →
TRL(Transformer Reinforcement Learning) 또는 Unsloth를 사용하여 언어 및 비전 모델을 Hugging Face Jobs 인프라에서 학습 또는 미세 조정합니다. SFT, DPO, GRPO 및 보상 모델링 학습 방법과 GGUF 변환을 통한 로컬 배포를 다룹니다. TRL Jobs 패키지, PEP 723 형식의 UV 스크립트, 데이터셋 준비 및 검증, 하드웨어 선택, 비용 추정, Trackio 모니터링, Hub 인증, 모델 선택/리더보드 및 모델 지속성에 대한 지침을 포함합니다. 클라우드 GPU 학습, GGUF 변환 작업이 필요하거나 사용자가 로컬 GPU 없이 Hugging Face Jobs에서 학습하는 것을 언급할 때 사용하세요.
This repo contains 5 individual skills — each has its own dedicated page.
Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing models, datasets, spaces, buckets, repos, papers, jobs, and more on the Hugging Face Hub. Use when: handling authentication; managing local cache; managing Hugging Face Buckets; running or scheduling jobs on Hugging Face infrastructure; managing Hugging Face repos; discussions and pull requests; browsing models, datasets and spaces; reading, searching, or browsing academic papers; managing collections; querying datasets; configuring spaces; setting up webhooks; or deploying and managing HF Inference Endpoints. Make sure to use this skill whenever the user mentions 'hf', 'huggingface', 'Hugging Face', 'huggingface-cli', or 'hugging face cli', or wants to do anything related to the Hugging Face ecosystem and to AI and ML in general. Also use for cloud storage needs like training checkpoints, data pipelines, or agent traces. Use even if the user doesn't explicitly ask for a CLI command. Replaces the deprecated `huggingface-cli`.
Use this skill for Hugging Face Dataset Viewer API workflows that fetch subset/split metadata, paginate rows, search text, apply filters, download parquet URLs, and read size or statistics.
Build Gradio web UIs and demos in Python. Use when creating or editing Gradio apps, components, event listeners, layouts, or chatbots.
Look up and read Hugging Face paper pages in markdown, and use the papers API for structured metadata such as authors, linked models/datasets/spaces, Github repo and project page. Use when the user shares a Hugging Face paper page URL, an arXiv URL or ID, or asks to summarize, explain, or analyze an AI research paper.
Use Transformers.js to run state-of-the-art machine learning models directly in JavaScript/TypeScript. Supports NLP (text classification, translation, summarization), computer vision (image classification, object detection), audio (speech recognition, audio classification), and multimodal tasks. Works in browsers and server-side runtimes (Node.js, Bun, Deno) with WebGPU/WASM using pre-trained models from Hugging Face Hub.
Send and manage iMessages via BlueBubbles, including attachments, tapbacks, edits, replies, and groups.
Control Eight Sleep pods (status, temperature, alarms, schedules).
BluOS CLI (blu) for discovery, playback, grouping, and volume.
Create, search, and manage Bear notes via grizzly CLI.
Capture frames or clips from RTSP/ONVIF cameras.
Search GIF providers with CLI/TUI, download results, and extract stills/sheets.