cbb
8ad6b58fca
- 显存：APG batch 128→48（实测 d=192 下 128 无论 plans 60/150 都 OOM，崩前已分配 17.85 GiB；48/plans150=13.08、48/60=7.67）；新增 ml/common/vram.py 每进程硬帽 VRAM_FRAC=0.78 并把 vram 峰值写进 train/APG 日志、监控页加「显存峰值」卡与按 20 GB 预算的显存条；smoke.json 补 apg 段并让自检带 --config。 - 自检修复：find_bash 兼容便携版 git 的 mingw64 布局（本机原返回 None → 网页「开始训练」起不动）；selftest_proc.alive 读中文 tasklist 的 GBK 崩溃；rec 值非法 JSON 时静默丢项；gen_resume 判据剔除 plan_ms/cert.ms 两个墙钟字段（旧判据恒 false）。整轮重跑 7/8 通过、3.5 分钟，仅 train_term 为 Windows 真实限制（TERM 送不到原生 python）。 - vendor: onnxruntime-web 1.20.1 本地副本入库（约 33 MB），查看器与 R4/R9 探针不再依赖 npm/CDN；.gitignore 同步移除该目录。 - docs: 第八节 R4 复跑（feat_dyn 新模型）：部署口径 P99 12.67 通过；WebGPU 首次实测 27.09（有界面窗口，adapter nvidia ampere）；viewer_ref 随机模型 planP99 131 / starve 32.7% / lookaheadP99 170 / certFailWhy time 948 / tickGapMax 736，三条判读留给实现方。
43 lines
1.1 KiB
JSON
43 lines
1.1 KiB
JSON
{
|
|
"model": {
|
|
"d": 32,
|
|
"heads": 4,
|
|
"ff": 64,
|
|
"enc": 1,
|
|
"dec": 1
|
|
},
|
|
"train": {
|
|
"batch": 64,
|
|
"lr": 0.001,
|
|
"warmup": 10,
|
|
"steps": 300,
|
|
"wd": 0.01,
|
|
"betas": [
|
|
0.9,
|
|
0.95
|
|
],
|
|
"amp": "bf16",
|
|
"grad_clip": 1.0,
|
|
"w_mf": 1.0,
|
|
"w_fk": 0.5,
|
|
"w_smooth": 0.05,
|
|
"w_value": 0.1,
|
|
"w_sub": 0.1,
|
|
"p_neq": 0.25,
|
|
"fk_caps": 96,
|
|
"ckpt_min": 1,
|
|
"eval_every": 100,
|
|
"eval_tasks": 16,
|
|
"log_every": 10,
|
|
"patience_evals": 5
|
|
},
|
|
"apg": {
|
|
"batch": 8, "lr": 0.0001, "steps": 10, "grad_clip": 1.0, "amp": "bf16",
|
|
"plans": 20, "plans_max": 30, "seg_plans": 5,
|
|
"margin_train_mm": 3.0,
|
|
"w_tgt": 1.0, "w_rot": 0.3, "w_col": 2.0, "w_smooth": 0.02, "w_len": 0.001, "w_bc": 0.5,
|
|
"cat_weights": {"A": 0.4, "B": 1.0, "C": 1.6, "D": 0.6, "Dr": 0.6},
|
|
"ckpt_min": 10, "eval_every": 1000, "eval_tasks": 4
|
|
},
|
|
"_note": "冒烟与自检专用（bash ml/pipeline.sh selftest / smoke）：只验证流程能跑通，数值无意义。apg 段必须有：selftest.sh 第 6 项原先不带 --config，走的是正式 apg.json 的 batch=128，本机实测第一次反向就 OOM；改成正式值 48 也要约 13 GiB，自检不必吃这么多。"
|
|
} |