Documentation Index
Fetch the complete documentation index at: https://docs.monostate.ai/llms.txt
Use this file to discover all available pages before exploring further.
何时使用 CLI
命令行界面非常适合自动化和可重现的工作流程。
最适合
- 自动化 - 脚本化重复任务
- CI/CD 管道 - 与部署集成
- 远程服务器 - SSH 到云实例
- 批处理 - 训练多个模型
- 可重现性 - 保存和共享确切的命令
在终端中输入命令：
aitraining text-classification \
--model bert-base-uncased \
--data train.csv \
--epochs 5
工作流程示例
# 准备数据
python prepare_data.py
# 训练模型
aitraining train \
--task text-classification \
--data data/train.csv \
--output models/v1
# 评估
aitraining evaluate \
--model models/v1 \
--test data/test.csv
# 部署
aitraining serve --model models/v1
- 可脚本化 - 自动化一切
- 可重现 - 保存确切命令
- 版本控制 - 在 git 中跟踪
- 远程友好 - 通过 SSH 工作
- 并行执行 - 运行多个训练
- 学习曲线 - 必须了解命令语法
- 无视觉反馈 - 仅文本输出
- 容易出错 - 命令中的拼写错误
- 不易发现 - 必须知道选项存在
何时切换
当您需要以下功能时，切换到 UI：
- 需要视觉反馈
- 想要探索选项
- 教授非技术用户
- 进行快速实验
当您需要以下功能时，切换到 API：
- 需要自定义逻辑
- 构建应用程序
- 复杂预处理
- 动态配置
常见用例
超参数搜索
for lr in 1e-5 2e-5 5e-5; do
aitraining train \
--learning-rate $lr \
--output models/lr_$lr
done
夜间训练
# 在 cron 或调度器中
0 2 * * * /path/to/retrain.sh
远程训练
ssh gpu-server
screen -S training
aitraining train --data s3://bucket/data.csv
# 使用 Ctrl-A D 分离
CI/CD 集成
# .github/workflows/train.yml
- name: Train model
run: aitraining train --config config.yaml
CLI 用户提示
- 保存命令 - 保留
commands.txt 文件
- 使用配置 - YAML 文件优于长命令
- 记录输出 - 重定向到文件
- 使用 screen/tmux - 用于长时间运行的任务
- 编写脚本 - 组合多个步骤
CLI 独有功能
CLI 最擅长的事情：
- 从其他命令管道数据
- 与 shell 脚本集成
- 在无头服务器上运行
- 批处理文件
- 计划执行
基本命令
# 查看所有选项
aitraining --help
# 列出可用模型
aitraining models list
# 检查训练状态
aitraining status
# 恢复中断的训练
aitraining train --resume
# 转换模型格式
aitraining convert --from pytorch --to onnx
环境变量
# 设置默认值
export AITRAINING_MODEL=bert-base
export AITRAINING_EPOCHS=5
# 现在命令更简单
aitraining train --data train.csv
下一步
