Hugging Face 推出轻量级开源实验跟踪库 Trackio

Hugging Face 推出 Trackio，一个开源、轻量、透明且易于集成的 Python 实验跟踪库。作为 Weights & Biases (wandb) 的直接替代品，Trackio 默认提供了本地仪表盘，并且能够无缝同步至 Hugging Face Spaces，从而实现高效的共享与协作。

Trackio 的代码量不到 1000 行，易于修改和扩展。日志数据以 SQLite 格式本地持久化存储，并在同步时每五分钟自动备份至 Hugging Face 上的 Parquet 数据集。Trackio 还与 Hugging Face 的其他库（如 transformers 和 accelerate）集成，能够以最少的设置记录训练日志。

关键特性包括：

• 与 wandb 的 API 兼容，便于快速迁移。

• 本地优先设计：日志和仪表盘默认在本地运行并持久化存储，同时可以选择托管在 Hugging Face Spaces 上。

• 透明性：通过 nvidia-smi 直接跟踪 GPU 能耗，并可轻松将结果纳入模型卡片。

Trackio 关注可复现性和易用性，为研究人员提供了一种无需依赖专有服务即可记录和共享实验的简便方法。

实验跟踪是机器学习工作流程中的常规环节，然而，Hugging Face 团队坚信，降低入门门槛对于推动更广泛的采用以及实现可复现性具有至关重要的意义。

一些参与 Trackio 发布的研究人员强调了透明性的重要性。他们指出，Trackio 能够记录 GPU 能耗并直接添加到模型卡片中，这为机器学习项目在报告环境影响方面提供了一个基准。

一些研究人员对 Trackio 与现有 Hugging Face 工具的集成提出了疑问。例如，Ahmad Khan 询问 Trackio 是否支持 Nanotron。Hugging Face 机器学习工程师 Tom Aarsen 回复道：

目前看起来还不支持。我认为未来可能会添加，让我联系一下维护者。

还有一些人指出，与成熟工具相比，Trackio 缺少了一些特性，比如工件管理和高级可视化。Hugging Face 承认存在这些限制，并表示 Trackio 目前仍处于测试阶段，希望通过社区的积极参与和贡献不断进化和完善。

Trackio 可在 GitHub 和 PyPI 上找到，Hugging Face 希望社区积极提供反馈用以指导开发。公司希望通过保持代码库的小巧和格式的开放来培养一个更透明、更灵活的实验跟踪生态系统。希望添加更多功能的用户可以通过项目的 GitHub 问题追踪器提交功能请求。

【声明：本文由 InfoQ 翻译，未经许可禁止转载。】

原文链接：

https://www.infoq.com/news/2025/09/hugging-face-trackio/