TRL documentation

جمع إحصائيات الاستخدام

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

جمع إحصائيات الاستخدام

يجمع TRL إحصاءات استخدام مجهولة المصدر لمساعدة المُحافظين على فهم المُدرِّبات وهياكل النماذج وتكوينات الأجهزة المستخدمة في بيئات الاستخدام الفعلية. وتُستخدم هذه البيانات لتوجيه قرارات تحديد الأولويات بشأن الميزات التي يجب الاستثمار فيها والميزات التي يجب إيقاف دعمها.

ما يتم جمعه

يُرسل نبضة واحدة (ping) في كل مرة يتم فيها إنشاء مُدرّب (trainer). يحتوي الحمولة (payload) على:

  • نسخة TRL (مثل 1.5.0)
  • اسم فئة Trainer، يُبلَّغ عنه فقط إذا كان مدرّبًا معرّفًا بواسطة TRL (مثل SFTTrainer، GRPOTrainer). تُبلَّغ فئات الفرع المخصصة من المستخدم على أنها other.
  • بنية النموذج، تُبلَّغ فقط إذا كان نوع النموذج معروفًا لدى transformers (مثل llama، qwen3). تُبلَّغ البنى المخصصة أو الخاصة باسم other.
  • ما إذا كان PEFT قيد الاستخدام
  • كيف تم تحميل مجموعة بيانات التدريب: hub (تم تنزيلها من Hub)، أو files (تم قراءتها عبر منشئ يعتمد على الملفات مثل json أو csv — وهذا يشمل مستودعات Hub التي تحتوي على ملفات json/csv خام)، أو memory (تم بناؤها داخل العملية، مثل Dataset.from_dict)، أو other. لا يتم جمع اسم المسار أو المسار الخاص بالمجموعة أبدًا.
  • الخلفية الموزعة (deepspeed، fsdp، ddp، أو none)
  • حجم العالم، مُجمَّع (1، 2-8، 9-64، 65+)
  • نوع المعالج (cuda، xpu، npu، mlu، mps، cpu)
  • اسم نموذج وحدة معالجة الرسوميات (مثل NVIDIA H100 80GB HBM3)، عند توفره

لا يتم جمع أسماء مجموعات البيانات أو مسارات الملفات أو معرّفات النماذج أو قيم المعاملات الفائقة أو أي بيانات أخرى يوفّرها المستخدم. وكما هو الحال مع أي طلب HTTP، فإن عنوان IP المصدر وترويسات HTTP القياسية مرئية للخادم.

لا يتم إرسال بيانات القياس في بيئات CI (أي عند تعيين متغير البيئة CI)، ولا في الوضع غير المتصل.

كيفية إلغاء الاشتراك

اضبط أحد متغيرات البيئة التالية لتعطيل قياس الأداء:

export HF_HUB_DISABLE_TELEMETRY=1   # disables telemetry for all HF libraries
export HF_HUB_OFFLINE=1             # disables all network calls to the Hub

لماذا يساعد ذلك

بدون بيانات الاستخدام، لا يملك المطوّرون أي وسيلة لمعرفة الأجزاء التي تهمّ المستخدمين من المكتبة. تتيح لنا القياسات الإجابة عن أسئلة مثل:

  • أيُّ المُدرِّبات (trainers) شائعة الاستخدام على نطاق واسع، وأيُّها يمكن إيقافها بأمان؟
  • ما هي معماريات النماذج التي يتم ضبطها بدقة باستخدام TRL بشكل متكرر، حتى نتمكن من إعطاء الأولوية لدعمها؟
  • ما هي تراكيب الأجهزة التي يعمل عليها المستخدمون، حتى نتمكن من اختبارها وتحسين الأداء لها؟

إذا وجدت أن TRL مفيد، فإن إبقاء قياسات الأداء مفعّلة هو طريقة منخفضة التكلفة تساعدنا على تحسينه.

Update on GitHub