明略科技開源TensorBoard.cpp，助力大模型預(yù)訓(xùn)練

，近日，明略科技集團(tuán)實現(xiàn)了機器學(xué)習(xí)可視化工具——TensorBoard的C++接口，進(jìn)一步豐富了基于C++的大模型項目工具集，使得大模型預(yù)訓(xùn)練過程監(jiān)控更加便捷、高效，加速營銷領(lǐng)域大模型預(yù)訓(xùn)練進(jìn)程。該工具已在Github開源。

TensorBoard是Google開發(fā)的一款機器學(xué)習(xí)可視化工具，常用于監(jiān)測機器學(xué)習(xí)過程的各項指標(biāo)。

明略科技高級技術(shù)總監(jiān)趙亮介紹:“在大模型訓(xùn)練過程中，數(shù)據(jù)監(jiān)測是一個重要維度，而TensorBoard通過可視化模型中的各種參數(shù)和結(jié)果，例如記錄大模型訓(xùn)練過程的Loss變化、驗證集的PPL變化、學(xué)習(xí)率變化、Token消耗量、單步參數(shù)更新時延等指標(biāo)，幫助分析訓(xùn)練狀態(tài)，發(fā)現(xiàn)訓(xùn)練過程中出現(xiàn)的問題并及時采取干預(yù)措施，提升大模型訓(xùn)練進(jìn)程和效果。”

明略科技開源的C++接口TensorBoard工具頁面

此前，TensorBoard僅支持Python語言接口。此次明略科技通過C++實現(xiàn)TensorBoard，將進(jìn)一步豐富基于C++實現(xiàn)的大模型項目工具集，大幅提升模型訓(xùn)練監(jiān)測效率，加速模型訓(xùn)練進(jìn)程，改寫接口后的工具將通過多維度的數(shù)據(jù)模式展示訓(xùn)練指標(biāo)，包括標(biāo)量、直方圖、圖像、圖像合集、音頻、文本等數(shù)據(jù)模式。該工具包通過github項目Tensorboard.cpp分享，助力更多研究者和開發(fā)者參與并加速大模型的研發(fā)進(jìn)程，推動人工智能多領(lǐng)域的應(yīng)用探索。

明略科技在Github開源的兩款工具包:ASR-BlockFormer與tensorboard.cpp

明略科技集團(tuán)CTO郝杰表示:“我們要在更高效、更低成本的要求下做出營銷領(lǐng)域的大模型，通過自適應(yīng)技術(shù)提升大模型的能力。好的行業(yè)大模型需要具備通用大模型的邏輯性、語言順暢度，同時還需要實現(xiàn)通用大模型所不具備的，在某個行業(yè)內(nèi)或具體的領(lǐng)域中的真實性、專業(yè)性。我們以明略科技憑借17年來積累的海量行業(yè)數(shù)據(jù)為基礎(chǔ)，從客戶實際需求出發(fā)，借助龐大的數(shù)據(jù)和知識庫進(jìn)行增強訓(xùn)練，滿足客戶多樣化的任務(wù)和場景需求。在訓(xùn)練監(jiān)測可視化工具的加持下，我們將提升訓(xùn)練速度，及時發(fā)現(xiàn)問題，為客戶打造一個更加可靠、效果更好的行業(yè)大模型。”