10分鐘掌握Marin安裝與配置開發者必備入門教程【免費下載鏈接】marinOpen-source framework for the research and development of foundation models.項目地址: https://gitcode.com/GitHub_Trending/ma/marinMarin是一款開源的基礎模型研發框架能幫助開發者快速構建和訓練語言模型。本教程將帶你在10分鐘內完成Marin的安裝與基礎配置讓你輕松開啟基礎模型開發之旅。 準備工作安裝前的必備條件在開始安裝Marin之前請確保你的系統滿足以下要求Python環境Python 3.12或更高版本包管理器uvPython包管理器版本控制Git構建工具Rust工具鏈通過rustup安裝推薦版本1.91.0macOS用戶需額外安裝brew install cmake pkg-config coreutils此外建議準備以下賬號以便更好地使用Marin的功能Weights Biases實驗跟蹤Hugging Face模型和tokenizer訪問? 快速安裝四步完成基礎部署1. 克隆代碼倉庫約10秒首先使用Git克隆Marin倉庫到本地git clone https://gitcode.com/gh_mirrors/ma/marin cd marin2. 創建并激活虛擬環境約0秒使用uv創建并激活Python虛擬環境uv venv --python 3.12 source .venv/bin/activate # Windows用戶.venv\Scripts\activate3. 安裝依賴包5-10分鐘使用uv同步安裝所有依賴和Marin包uv sync --all-packages4. 環境變量配置設置必要的環境變量以啟用完整功能# Weights and Biases API密鑰從https://wandb.ai/authorize獲取 export WANDB_API_KEY你的API密鑰 # Hugging Face令牌從https://huggingface.co/settings/tokens獲取 export HF_TOKEN你的HF令牌 # artifacts存儲路徑 export MARIN_PREFIX/path/to/your/artifacts建議將這些環境變量保存在.env文件中方便后續使用source .env即可一次性加載所有配置。 硬件適配針對不同設備的優化設置Marin支持CPU、GPU和TPU多種硬件加速你可以根據自己的設備選擇相應的安裝命令CPU環境uv sync --all-packages --extracpuGPU環境首先安裝CUDA 12.9.0和cuDNN# 安裝CUDA wget https://developer.download.nvidia.com/compute/cuda/12.9.0/local_installers/cuda_12.9.0_575.51.03_linux.run sudo sh cuda_12.9.0_575.51.03_linux.run # 安裝cuDNN wget https://developer.download.nvidia.com/compute/cudnn/9.10.0/local_installers/cudnn-local-repo-ubuntu2404-9.10.0_1.0-1_amd64.deb sudo dpkg -i cudnn-local-repo-ubuntu2404-9.10.0_1.0-1_amd64.deb sudo cp /var/cudnn-local-repo-ubuntu2404-9.10.0/cudnn-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cudnn cudnn-cuda-12然后安裝GPU版本依賴uv sync --all-packages --extragpuTPU環境uv sync --all-packages --extratpu圖Marin的2D設備網格配置支持高效的分布式訓練? 驗證安裝運行你的第一個實驗安裝完成后你可以通過運行一個簡單的示例來驗證系統是否正常工作# 禁用WandB日志可選 wandb offline # 運行 TinyStories 訓練示例 uv run python experiments/tutorials/train_tiny_model.py --device cpu --dataset tinystories這個命令將下載并 tokenize TinyStories 數據集到${MARIN_PREFIX}訓練一個小型語言模型將模型 checkpoint 保存到${MARIN_PREFIX}/checkpoints/ 下一步探索Marin的強大功能恭喜你成功安裝并配置了Marin現在你可以查看First Experiment教程運行完整的訓練實驗閱讀Language Modeling Pipeline了解Marin的語言模型構建方法學習Lazy artifacts理解Marin的執行模型圖Marin 8B模型的訓練階段 timeline展示了從0到11.1T token的完整訓練過程通過本教程你已經掌握了Marin的基本安裝和配置方法。現在你可以開始使用這個強大的框架來開發自己的基礎模型了【免費下載鏈接】marinOpen-source framework for the research and development of foundation models.項目地址: https://gitcode.com/GitHub_Trending/ma/marin創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 10分鐘掌握Marin安裝與配置：開發者必備入門教程
10分鐘掌握Marin安裝與配置開發者必備入門教程【免費下載鏈接】marinOpen-source framework for the research and development of foundation models.項目地址: https://gitcode.com/GitHub_Trending/ma/marinMarin是一款開源的基礎模型研發框架能幫助開發者快速構建和訓練語言模型。本教程將帶你在10分鐘內完成Marin的安裝與基礎配置讓你輕松開啟基礎模型開發之旅。 準備工作安裝前的必備條件在開始安裝Marin之前請確保你的系統滿足以下要求Python環境Python 3.12或更高版本包管理器uvPython包管理器版本控制Git構建工具Rust工具鏈通過rustup安裝推薦版本1.91.0macOS用戶需額外安裝brew install cmake pkg-config coreutils此外建議準備以下賬號以便更好地使用Marin的功能Weights Biases實驗跟蹤Hugging Face模型和tokenizer訪問? 快速安裝四步完成基礎部署1. 克隆代碼倉庫約10秒首先使用Git克隆Marin倉庫到本地git clone https://gitcode.com/gh_mirrors/ma/marin cd marin2. 創建并激活虛擬環境約0秒使用uv創建并激活Python虛擬環境uv venv --python 3.12 source .venv/bin/activate # Windows用戶.venv\Scripts\activate3. 安裝依賴包5-10分鐘使用uv同步安裝所有依賴和Marin包uv sync --all-packages4. 環境變量配置設置必要的環境變量以啟用完整功能# Weights and Biases API密鑰從https://wandb.ai/authorize獲取 export WANDB_API_KEY你的API密鑰 # Hugging Face令牌從https://huggingface.co/settings/tokens獲取 export HF_TOKEN你的HF令牌 # artifacts存儲路徑 export MARIN_PREFIX/path/to/your/artifacts建議將這些環境變量保存在.env文件中方便后續使用source .env即可一次性加載所有配置。 硬件適配針對不同設備的優化設置Marin支持CPU、GPU和TPU多種硬件加速你可以根據自己的設備選擇相應的安裝命令CPU環境uv sync --all-packages --extracpuGPU環境首先安裝CUDA 12.9.0和cuDNN# 安裝CUDA wget https://developer.download.nvidia.com/compute/cuda/12.9.0/local_installers/cuda_12.9.0_575.51.03_linux.run sudo sh cuda_12.9.0_575.51.03_linux.run # 安裝cuDNN wget https://developer.download.nvidia.com/compute/cudnn/9.10.0/local_installers/cudnn-local-repo-ubuntu2404-9.10.0_1.0-1_amd64.deb sudo dpkg -i cudnn-local-repo-ubuntu2404-9.10.0_1.0-1_amd64.deb sudo cp /var/cudnn-local-repo-ubuntu2404-9.10.0/cudnn-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cudnn cudnn-cuda-12然后安裝GPU版本依賴uv sync --all-packages --extragpuTPU環境uv sync --all-packages --extratpu圖Marin的2D設備網格配置支持高效的分布式訓練? 驗證安裝運行你的第一個實驗安裝完成后你可以通過運行一個簡單的示例來驗證系統是否正常工作# 禁用WandB日志可選 wandb offline # 運行 TinyStories 訓練示例 uv run python experiments/tutorials/train_tiny_model.py --device cpu --dataset tinystories這個命令將下載并 tokenize TinyStories 數據集到${MARIN_PREFIX}訓練一個小型語言模型將模型 checkpoint 保存到${MARIN_PREFIX}/checkpoints/ 下一步探索Marin的強大功能恭喜你成功安裝并配置了Marin現在你可以查看First Experiment教程運行完整的訓練實驗閱讀Language Modeling Pipeline了解Marin的語言模型構建方法學習Lazy artifacts理解Marin的執行模型圖Marin 8B模型的訓練階段 timeline展示了從0到11.1T token的完整訓練過程通過本教程你已經掌握了Marin的基本安裝和配置方法。現在你可以開始使用這個強大的框架來開發自己的基礎模型了【免費下載鏈接】marinOpen-source framework for the research and development of foundation models.項目地址: https://gitcode.com/GitHub_Trending/ma/marin創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考