# MergeModelCallback[[trl.experimental.merge_model_callback.MergeModelCallback]]

#### trl.experimental.merge_model_callback.MergeModelCallback[[trl.experimental.merge_model_callback.MergeModelCallback]]

```python
trl.experimental.merge_model_callback.MergeModelCallback(merge_config: MergeConfig | None = None, merge_at_every_checkpoint: bool = False, push_to_hub: bool = False)
```

[Источник](https://github.com/huggingface/trl/blob/v1.18.2/trl/experimental/merge_model_callback.py#L294)

**Параметры:**

merge_config (`experimental.merge_model_callback.MergeConfig`, *необязательный*) : Конфигурация, используемая для процесса слияния. Если не указана, используется конфигурация по умолчанию `MergeConfig`.

merge_at_every_checkpoint (`bool`, *необязательный*, по умолчанию `False`) : Служит для определения, следует ли объединять модель при каждом контрольном пункте.

push_to_hub (`bool`, *необязательный*, по умолчанию `False`) : Нужно ли отправлять объединённую модель на Hub после слияния.

Класс [TrainerCallback](https://huggingface.co/docs/transformers/v5.23.0/en/main_classes/callback#transformers.TrainerCallback), который объединяет модель политики (обучаемую модель) с другой моделью на основе конфигурации слияния.

Пример:

```python
>>> from trl.experimental.merge_model_callback import MergeConfig, MergeModelCallback

>>> config = MergeConfig()
>>> merge_callback = MergeModelCallback(config)
>>> trainer = DPOTrainer(..., callbacks=[merge_callback])
```

