描述

更新了accelerate tracker集成的实现，并且也同步给huggingface accelerate 提交了集成PR

Closes: #1014

效果

--

此 PR 的附加信息

使用指南

步骤 0：设置 Accelerate 和示例环境

按照 accelerate 官方的计算机视觉示例（宠物图像分类任务）：

# 准备代码和环境
git clone https://github.com/huggingface/accelerate  
cd accelerate
pip install -e .
pip install timm     # 示例中使用

步骤 1：设置 SwanLab 在线追踪

安装：

pip install swanlab

要使用 SwanLab 的在线追踪功能，请登录 SwanLab 网站，并从 设置页面 获取你的 API 密钥。然后使用以下命令进行身份验证：

swanlab login

如果你更喜欢离线模式，请跳过此步骤并安装本地仪表板：

pip install swanlab[dashboard]

步骤 2：下载示例代码中使用的 Oxford-IIT Pet Dataset

你可以在这里找到下载链接 here

步骤 3：运行 Accelerate 项目中的官方示例脚本

python examples/complete_cv_example.py  --data_dir <DOWNLOAD DATA PATH> --with_tracking

可视化演示链接

由于我的服务器无法联网，我将 create_model 代码中的 pretrain 参数改为 false，以避免在线下载模型，这导致仅训练 3 个 epoch 后准确率非常低 😂。

测试套件通过

由于我的 AI 训练服务器无法连接到 Hugging Face，自动化测试过程中一些测试失败了。😭