# Integração com Trackio

[Trackio](https://huggingface.co/docs/trackio) é uma biblioteca leve e gratuita de rastreamento de experimentos construída sobre o **🤗 Datasets** e o **🤗 Spaces**. É a **solução de rastreamento recomendada para o TRL** e vem integrada nativamente a todos os trainers.

Para habilitar o registro de logs, basta definir `report_to="trackio"` na sua configuração de treinamento:

```python
from trl import SFTConfig  # works with any trainer config (e.g. DPOConfig, GRPOConfig, etc.)

training_args = SFTConfig(
    ...,
    report_to="trackio",  # enable Trackio logging
)
```

## Organizando seus experimentos com nomes de execução e projetos

Por padrão, o Trackio gera um nome para identificar cada execução. No entanto, recomendamos fortemente definir um `run_name` descritivo para facilitar a organização dos experimentos. Por exemplo:

```python
from trl import SFTConfig

training_args = SFTConfig(
    ...,
    report_to="trackio",
    run_name="sft_qwen3-4b_lr2e-5_bs128",  # descriptive run name
)
```

Você também pode agrupar experimentos relacionados por projeto definindo a seguinte variável de ambiente:

```bash
export TRACKIO_PROJECT="my_project"
```

## Hospedando Seus Logs nos 🤗 Spaces

O Trackio tem um design local-first, o que significa que seus logs ficam na sua máquina. Se você quiser hospedá-los e implantar um dashboard no **🤗 Spaces**, defina:

```bash
export TRACKIO_SPACE_ID="username/space_id"
```

Executando o seguinte exemplo:

```python
import os
from trl import SFTConfig, SFTTrainer
from datasets import load_dataset

os.environ["TRACKIO_SPACE_ID"] = "trl-lib/trackio"
os.environ["TRACKIO_PROJECT"] = "trl-documentation"

trainer = SFTTrainer(
    model="Qwen/Qwen3-0.6B",
    train_dataset=load_dataset("trl-lib/Capybara", split="train"),
    args=SFTConfig(
        report_to="trackio",
        run_name="sft_qwen3-0.6b_capybara",
    ),
)
trainer.train()
```

vai fornecer um dashboard hospedado em https://huggingface.co/spaces/trl-lib/trackio.