ดาวน์โหลด tuna - ดาวน์โหลดซอร์สโค้ด tuna

tuna

โค้ดแหล่งที่มา AI

1.0.0

ดาวน์โหลด

- ปลาทูน่า

ปรับแต่งใหม่

tuna เป็น ร้านค้าหยุด (โอเพ่นซอร์ส) ของคุณสำหรับการปรับแต่งโมเดลการสร้างรหัสบน Codebase ใด ๆ ที่มีอยู่ในที่สาธารณะหรือแบบส่วนตัวบน GitHub (รองรับ VCS เพิ่มเติมเร็ว ๆ นี้!)

เราทำให้กระบวนการ ทั้งหมด ง่ายขึ้นซึ่งหมายความว่าสิ่งที่คุณต้องทำเพื่อสร้างแบบจำลองการตั้งค่าที่สมบูรณ์แบบและทั้งหมดนั้นเป็นเพียงการทำตามคำสั่งการเริ่มต้นด้านล่าง!

ไม่มี Nvidia GPU? ไม่ต้องกังวล! ตรวจสอบให้แน่ใจว่าคุณมีคีย์ RSA SSH ที่ ~/.ssh/id_rsa.pub และตั้งค่าบัญชีและคีย์ API บน Fluidstack ผู้ให้บริการ GPU ของเรา ราคาน้อยที่สุดการพัฒนาสูงสุด

หากคุณเห็นด้วยเกี่ยวกับความเป็นส่วนตัวของข้อมูลและการรวบรวมข้อมูลโปรดทราบว่าปลาทูน่าไม่ได้รวบรวมข้อมูล ใด ๆ กับคุณและเป็นโอเพ่นซอร์สทั้งหมด ตรวจสอบส่วน "การรวบรวมข้อมูล" ด้านล่างเพื่อเรียนรู้เพิ่มเติม

เราชอบถ้าคุณให้เราเพราะนั่นเป็นวิธีหลักในการติดตามความสนใจของผู้ใช้! หากคุณรู้สึกมีน้ำใจเป็นพิเศษคุณสามารถคลิกสปอนเซอร์❤ ขอบคุณมากสำหรับการอ่าน!

คำถาม? ติดต่อ abhi[at]opennote.me

หมายเหตุ: ปลาทูน่ารองรับเฉพาะใน MacOS และ Linux เท่านั้น Windows กำลังจะมาเร็ว ๆ นี้ ...

เอกสาร

เริ่มต้น

ในการติดตั้ง tuna ตรวจสอบให้แน่ใจว่าคุณติดตั้ง Python 3.12+ บนเครื่องของคุณจากนั้นเรียกใช้คำสั่งด้านล่าง:

pip install tuna-cli

สิ่งนี้จะทำให้ tuna ทำงานได้จากทุกที่บนเครื่องของคุณ

คำสั่ง

1. เริ่มต้น

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 Environment

2. เสิร์ฟ

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 that

3. รีเฟรช

tuna refresh
# Recreates the dataset after updating
# from your GitHub project, in case you made
# edits after initializing with Tuna

4. รถไฟ (เร็ว ๆ นี้)

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. ผู้ช่วย

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. ล้าง

tuna purge

# This will delete all tuna-generated files
# in your current directory
# USE WITH CAUTION!

7. ไม่มีธง

tuna

# Displays a welcome message

การรวบรวมข้อมูล

หลังจากการติดตั้งเครื่องมือ CLI ปลาทูน่าจะถูกแปลเป็นภาษาท้องถิ่นทั้งหมดในระบบของคุณ นอกเหนือจากบริการให้เช่า GPU ที่เราเชื่อมโยงกับการฝึกอบรมเราจะไม่เก็บหรือถ่ายโอนข้อมูล ใด ๆ ไปยังบริการภายในใด ๆ ปลาทูน่า เป็น โอเพ่นซอร์สอย่างเคร่งครัด
ข้อมูลประจำตัวของ GitHub รวมถึงโทเค็น OAuth ชื่อผู้ใช้ของคุณและที่เก็บที่เก็บไว้ของคุณสามารถล้างได้โดยการลบไดเรกทอรี .tuna ในจุดเดียวกับที่มันทำหรือโดยใช้ tuna purge ในไดเรกทอรีนั้น
คีย์ API ของ Fluidstack จะถูกจัดเก็บไว้ในพื้นที่โดยการลบไดเรกทอรี .tuna ในจุดเดียวกับที่ทำหรือโดยใช้การ tuna purge ในไดเรกทอรีนั้น
ไฟล์ทั้งหมดที่ดึงมาจาก GitHub จะถูกเก็บไว้อย่างเคร่งครัดในชุดข้อมูลที่คุณสามารถค้นหาได้ในไดเรกทอรี .tuna ที่ได้รับ เราดึงข้อความโดยตรงจาก GitHub API เพื่อบันทึกไฟล์ที่ไม่พึงประสงค์และการติดตั้งการพึ่งพาและเพื่อปกป้องตัวแปรสภาพแวดล้อมของคุณ
หากคุณไม่ได้แบ่งปันข้อมูลการอธิบายข้อมูลกับเราเราจะไม่เห็นข้อมูลส่วนบุคคลของคุณ
ข้อจำกัดความรับผิดชอบ: เราไม่ได้เป็นเจ้าของโมเดลที่เราใช้สำหรับการปรับแต่งอย่างละเอียดและนโยบายข้อมูลของพวกเขาอยู่ในเว็บไซต์ Invididual ของพวกเขา ค้นหาแบบจำลองที่คุณเลือกเพื่อเรียนรู้เพิ่มเติม