tuna
1.0.0
tuna -это ваш магазин One Stop (с открытым исходным кодом) для точной настройки модели генерации кода на любой кодовой базе, доступной публично или в частном порядке на GitHub (больше VCS поддержка скоро!).
Мы упрощаем весь процесс, что означает, что все, что вам нужно сделать, чтобы создать свою идеальную модель, настройки и все такое, просто следовать команде инициализации ниже!
У вас нет графического процессора NVIDIA? Не волнуйся! Убедитесь, что у вас есть ключ RSA SSH, доступный по адресу ~/.ssh/id_rsa.pub , и настройте учетную запись и ключ API на нашем поставщике GPU FluidStack. Минимальные цены, максимальная разработка.
Если вы рассматриваете конфиденциальность данных и сбор данных, обратите внимание, что тунец не собирает никаких данных о вас, и является полностью открытым исходным кодом. Проверьте раздел «Сбор данных» ниже, чтобы узнать больше.
Нам бы понравилось, если бы вы дали нам, так как это наш основной способ отслеживать интерес пользователей! Если вы чувствуете себя очень щедрым, вы можете нажать спонсор ❤. Большое спасибо за чтение!
Вопросы? Свяжитесь с abhi[at]opennote.me .
Примечание: в настоящее время тунец поддерживается только на MacOS и Linux , скоро появится Windows ...
Чтобы установить tuna , убедитесь, что на вашем компьютере установлен Python 3.12+ , а затем просто запустите команду ниже:
pip install tuna-cli Это сделает исполняемый для tuna из любого места на вашей машине.
1. Инициализировать
tuna init
# Initializes a `.tuna` folder
# Authenticates your GitHub credentials
# - This asks for a GitHub Token
# which MUST have READ REPO and READ USER permissions
# Lets you select a repository
# Builds a Model Training Dataset
# Sets up Jupyter Environment2. служить
tuna serve
# Runs a Local Jupyter Environment with the
# autogenerated notebook and dataset,
# with CPU and Memory monitoring
# By default, this doesn't open the browser
# automatically. Run:
tuna serve --open
# to do that3. Обновить
tuna refresh
# Recreates the dataset after updating
# from your GitHub project, in case you made
# edits after initializing with Tuna4. Поезд (скоро наступит)
tuna train
# Begins to train the dataset with a powerful GPU from
# FluidStack (see intro)
# To train locally on current hardware, run
tuna train --local
# (must be on a device with an NVIDIA GPU, since Tuna relies on CUDA)5. Помощники
tuna help
# or
tuna github
# or
tuna docs
# All of these will open the GitHub repository for Tuna, where all the documentation
# is served in the README.md file.6. Purge
tuna purge
# This will delete all tuna-generated files
# in your current directory
# USE WITH CAUTION!7. Нет флагов
tuna
# Displays a welcome message После установки инструмента CLI тунец полностью локализован в вашей системе. Помимо услуг по аренде графических процессоров, которые мы связываем, чтобы разрешить обучение, мы не храним и не передаем какие -либо данные на какие -либо внутренние услуги. Тунец строго с открытым исходным кодом .
Условия GitHub, включая токены OAuth, ваше имя пользователя и ваши хранимые репозитории, могут быть очищены путем удаления каталога .tuna в том же месте, которое он был сделан, или запустив tuna purge в этом каталоге.
Ключи API FluidStack также хранятся локально, удаляя каталог .tuna в том же месте, что и он, или запуская tuna purge в этом каталоге
Все файлы, полученные из GitHub, строго хранятся в наборах данных, которые вы можете найти в каталоге .tuna , который производится. Мы вытащим текст непосредственно из API GitHub, чтобы сохранить ваши нежелательные файлы и установки зависимости, а также для защиты переменных вашей среды.
Если вы не поделитесь с нами явностью данных, мы никогда не увидим ваши личные данные.
Отказ от ответственности: мы не владеем моделями, которые мы используем для тонкой настройки, и их политики данных находятся на их веб -сайтах Invididual. Посмотрите на свою модель выбора, чтобы узнать больше.
? Счастливого тунца (а)!
