Mindket

The Smol Training Playbook(简体中文)

新上架第 1 版 · 更新于

概览

让中文读者用简体中文阅读 HuggingFaceTB 团队的语言模型训练指南,图表也已翻译。这是一份非官方译文,适合构建或学习大模型的人。

The Smol Training Playbook(简体中文) 是一款工具包,属于教育类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 带 pip 的 Python,用来取文件
  • huggingface_hub 包,第一条命令会安装它
  • 一个网页浏览器
用在
  • 网页浏览器:打开 Hugging Face 上的 Space 页面直接阅读。
  • Windows、macOS 或 Linux:下载文件,在浏览器里打开 index.html。
先运行
pip install -U huggingface_hub
hf download fat-pig/smol-training-playbook-zh --repo-type space --local-dir smol-training-playbook-zh
cd smol-training-playbook-zh

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 是 The Smol Training Playbook 的非官方简体中文译文,原文是 HuggingFaceTB 团队写的语言模型训练指南。它是一个在浏览器里阅读的静态网站,正文全文和 79 个交互图表里的文字都已翻译。内容与上游指南的某个快照对应。

适合谁

训练或研究语言模型、想用自己的语言读这份指南的中文读者,也适合把指南分享给更习惯中文的同事的团队。

行业使用者使用方式例子
AI 与机器学习模型训练团队把指南作为中文参考资料随时打开读一章并跟着看它的图表
研究研究者和学生借助交互图表学习训练思路打开一个图表,读它的中文标签
教育老师和学习小组把中文版交给一个班级把 Space 页面发给全班
社区译者检查用词选择并反馈问题开一个 Discussion,写明页面小节

如果你能轻松读英文,可以跳过它,直接用原版指南。

用在哪里

这个网站可以在这些地方使用:

  • 网页浏览器:打开 Hugging Face 上的 Space 页面直接阅读。
  • Windows、macOS 或 Linux:下载文件,在浏览器里打开 index.html。
Use caseWhoWhat they get back
在线阅读指南说中文的机器学习工程师指南的中文全文和图表
研究图表学生图内文字已翻译的交互图表
反馈翻译问题社区成员Space 上一个写明小节名的 Discussion 帖子

如何设置

在线阅读不需要任何准备。要用本地副本,你需要这几样:

  • 带 pip 的 Python,用来取文件
  • huggingface_hub 包,第一条命令会安装它
  • 一个网页浏览器

这些步骤会下载 Space,然后手动打开它的主页。

  1. 安装 Hugging Face 包。
  2. 把 Space 下载到名为 smol-training-playbook-zh 的文件夹。
  3. 进入这个文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download fat-pig/smol-training-playbook-zh --repo-type space --local-dir smol-training-playbook-zh
cd smol-training-playbook-zh

如何使用

打开 Hugging Face 上的 Space 页面,或者在浏览器里打开下载文件夹里的 index.html,像普通网页一样阅读指南。图表会随指针变化,和英文原版一样。

ToolWhat it does
hf download把 Space 的文件复制到你电脑上的文件夹
index.html你在浏览器里打开的主页

示例

你打开 Space 页面,滚动到某一章。正文是中文,而 loss、batch size、tokenizer 这样的关键术语按译者的选择保留英文。图表里的标签也是中文。

新手与专家

如果你是新手,先打开 Space 页面读第一章。不用安装任何东西。只有想离线保存文件时,本地副本才有用。

如果你熟悉这个领域:译者把代码、命令行、API 和参数名、人名、论文标题和网址保留为原文。pretraining 和 ablation 这样的术语保留英文,与中文技术圈的常见用法一致。译文源码在 app/ 里,用 astro build 构建,构建产物入库,这样 Hugging Face 就能把它当作静态网站托管。上游指南是 Docker Space,模板沿用了 Distill 的交互式写作传统。

  1. 译者在 app/ 里编辑文章和图表文件
  2. astro build 生成 index.html、_astro 和 data
  3. 构建产物被提交到 Space
  4. Hugging Face 以静态网站托管它们

注意事项

PDF 和 LaTeX 导出,以及英文版的交互演示框架,不在译文范围内。

  • License: cc-by-4。正文和图表(原文与译文)按 CC BY 4.0 发布,署名 Hugging Face 和 SmolLM 团队。第三方图表不在该许可范围内。
  • Cost to run: 未提及。
  • Data it reaches: 未提及。本地副本会从 Hugging Face 下载 Space 的文件。
  • Not for: 作为官方译本。页面说明这是非官方译文。翻译问题请发到 Space 的 Discussion 页。

README 和文件

README

The Smol Training Playbook(简体中文)

让中文读者用简体中文阅读 HuggingFaceTB 团队的语言模型训练指南,图表也已翻译。这是一份非官方译文,适合构建或学习大模型的人。

由 fat-pig 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 是 The Smol Training Playbook 的非官方简体中文译文,原文是 HuggingFaceTB 团队写的语言模型训练指南。它是一个在浏览器里阅读的静态网站,正文全文和 79 个交互图表里的文字都已翻译。内容与上游指南的某个快照对应。

适合谁:训练或研究语言模型、想用自己的语言读这份指南的中文读者,也适合把指南分享给更习惯中文的同事的团队。

行业 | 使用者 | 使用方式 | 例子
AI 与机器学习 | 模型训练团队 | 把指南作为中文参考资料随时打开 | 读一章并跟着看它的图表
研究 | 研究者和学生 | 借助交互图表学习训练思路 | 打开一个图表,读它的中文标签
教育 | 老师和学习小组 | 把中文版交给一个班级 | 把 Space 页面发给全班
社区 | 译者 | 检查用词选择并反馈问题 | 开一个 Discussion,写明页面小节

如果你能轻松读英文,可以跳过它,直接用原版指南。

用在哪里:这个网站可以在这些地方使用:

  • 网页浏览器:打开 Hugging Face 上的 Space 页面直接阅读。
  • Windows、macOS 或 Linux:下载文件,在浏览器里打开 index.html。
Use case | Who | What they get back
在线阅读指南 | 说中文的机器学习工程师 | 指南的中文全文和图表
研究图表 | 学生 | 图内文字已翻译的交互图表
反馈翻译问题 | 社区成员 | Space 上一个写明小节名的 Discussion 帖子

如何设置:在线阅读不需要任何准备。要用本地副本,你需要这几样:

  • 带 pip 的 Python,用来取文件
  • huggingface_hub 包,第一条命令会安装它
  • 一个网页浏览器

这些步骤会下载 Space,然后手动打开它的主页。

  1. 安装 Hugging Face 包。
  2. 把 Space 下载到名为 smol-training-playbook-zh 的文件夹。
  3. 进入这个文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download fat-pig/smol-training-playbook-zh --repo-type space --local-dir smol-training-playbook-zh
cd smol-training-playbook-zh

如何使用:打开 Hugging Face 上的 Space 页面,或者在浏览器里打开下载文件夹里的 index.html,像普通网页一样阅读指南。图表会随指针变化,和英文原版一样。

Tool | What it does
hf download | 把 Space 的文件复制到你电脑上的文件夹
index.html | 你在浏览器里打开的主页

示例:你打开 Space 页面,滚动到某一章。正文是中文,而 loss、batch size、tokenizer 这样的关键术语按译者的选择保留英文。图表里的标签也是中文。

新手与专家:如果你是新手,先打开 Space 页面读第一章。不用安装任何东西。只有想离线保存文件时,本地副本才有用。

如果你熟悉这个领域:译者把代码、命令行、API 和参数名、人名、论文标题和网址保留为原文。pretraining 和 ablation 这样的术语保留英文,与中文技术圈的常见用法一致。译文源码在 app/ 里,用 astro build 构建,构建产物入库,这样 Hugging Face 就能把它当作静态网站托管。上游指南是 Docker Space,模板沿用了 Distill 的交互式写作传统。

译者在 app/ 里编辑文章和图表文件
astro build 生成 index.html、_astro 和 data
构建产物被提交到 Space
Hugging Face 以静态网站托管它们

注意事项:PDF 和 LaTeX 导出,以及英文版的交互演示框架,不在译文范围内。

  • License: cc-by-4。正文和图表(原文与译文)按 CC BY 4.0 发布,署名 Hugging Face 和 SmolLM 团队。第三方图表不在该许可范围内。
  • Cost to run: 未提及。
  • Data it reaches: 未提及。本地副本会从 Hugging Face 下载 Space 的文件。
  • Not for: 作为官方译本。页面说明这是非官方译文。翻译问题请发到 Space 的 Discussion 页。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:static
  • 许可证:cc-by-4.0

链接

  • Space:https://huggingface.co/spaces/fat-pig/smol-training-playbook-zh
  • 文件:https://huggingface.co/spaces/fat-pig/smol-training-playbook-zh/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
The Smol Training Playbook(简体中文) 本页1staticcc-by-4.0
The Ultra-Scale Playbook共有 static4,131staticapache-2.0
LLM训练终极指南 | The Ultra-Scale Playbook共有 static281staticapache-2.0
Attention Visualization共有 static200staticapache-2.0
Number Tokenization Blog共有 static127staticmit
Train the agent slides共有 static20staticapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

教育类的相似商品

查看教育类的全部商品

Vāgdhenu

prathoshap · 工具包

用一个训练好的声音,以吟诵风格朗读古典梵语诗节,由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。

新上架

Limite 1B - Violetto

paradigma-inc · 工具包

用一个从头训练的 1B 参数模型解决难度很高的数学题,追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。

新上架

Agaram 2.5B

murai-labs · 工具包

能用泰米尔文、罗马化泰米尔语和英语聊天,也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型,适合泰米尔语使用者、研究人员和开发者。

新上架