export HF_TOKEN="hf_xxxxxxxxxxxxxxxxxxxxx"

export WANDB_API_KEY="xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

# 仅使用 GPU 0
export CUDA_VISIBLE_DEVICES=0

# 使用 GPU 0 和 1
export CUDA_VISIBLE_DEVICES=0,1

# 禁用 GPU（仅 CPU）
export CUDA_VISIBLE_DEVICES=""

# 限制内存碎片并启用可扩展段
export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512,expandable_segments:True

# 强制 CPU 训练（覆盖 GPU 检测）
export AUTOTRAIN_FORCE_NUM_GPUS=0

# 强制单 GPU
export AUTOTRAIN_FORCE_NUM_GPUS=1

# 禁用 MPS（在 Mac 上强制 CPU）
export AUTOTRAIN_DISABLE_MPS=1

# 即使设置不兼容也强制启用 MPS
export AUTOTRAIN_ENABLE_MPS=1

# 禁用所有模型加载的 trust_remote_code（更安全）
export ALLOW_REMOTE_CODE=false

export WANDB_PROJECT=my-project
export WANDB_ENTITY=my-team
export WANDB_MODE=offline  # 不同步到云端

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

# 身份验证
export HF_TOKEN="hf_your_token_here"
export WANDB_API_KEY="your_wandb_key"

# GPU 设置
export CUDA_VISIBLE_DEVICES=0,1

# 缓存
export HF_HOME=~/.cache/huggingface

# W&B 项目设置
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