export HF_TOKEN="hf_xxxxxxxxxxxxxxxxxxxxx"

export WANDB_API_KEY="xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

# Usar apenas GPU 0
export CUDA_VISIBLE_DEVICES=0

# Usar GPUs 0 e 1
export CUDA_VISIBLE_DEVICES=0,1

# Desabilitar GPU (apenas CPU)
export CUDA_VISIBLE_DEVICES=""

# Limitar fragmentação de memória e habilitar segmentos expansíveis
export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512,expandable_segments:True

# Forçar treinamento CPU (sobrescrever detecção de GPU)
export AUTOTRAIN_FORCE_NUM_GPUS=0

# Forçar GPU única
export AUTOTRAIN_FORCE_NUM_GPUS=1

# Desabilitar MPS (forçar CPU no Mac)
export AUTOTRAIN_DISABLE_MPS=1

# Forçar habilitar MPS mesmo com configurações incompatíveis
export AUTOTRAIN_ENABLE_MPS=1

# Desabilitar trust_remote_code para todo carregamento de modelo (mais seguro)
export ALLOW_REMOTE_CODE=false

export WANDB_PROJECT=my-project
export WANDB_ENTITY=my-team
export WANDB_MODE=offline  # Não sincronizar com a nuvem

export HF_USERNAME=my-username

export HF_HOME=/path/to/cache
export TRANSFORMERS_CACHE=/path/to/cache

export HF_HUB_DISABLE_TELEMETRY=1

export TRANSFORMERS_OFFLINE=1
export HF_HUB_OFFLINE=1

#!/bin/bash

# Autenticação
export HF_TOKEN="hf_your_token_here"
export WANDB_API_KEY="your_wandb_key"

# Configurações de GPU
export CUDA_VISIBLE_DEVICES=0,1

# Cache
export HF_HOME=~/.cache/huggingface

# Configurações do projeto W&B
export WANDB_PROJECT=my-project

source setup_env.sh
aitraining llm --train ...

HF_TOKEN=hf_xxxxx
WANDB_API_KEY=xxxxx
CUDA_VISIBLE_DEVICES=0

export $(cat .env | xargs)
aitraining --config training.yaml