明略科技开源TensorBoard.cpp，助力大模型预训练

8月11日消息，近日，明略科技集团实现了机器学习可视化工具——TensorBoard的C++接口，进一步丰富了基于C++的大模型项目工具集，使得大模型预训练过程监控更加便捷、高效，加速营销领域大模型预训练进程。该工具已在Github开源。

TensorBoard是Google开发的一款机器学习可视化工具，常用于监测机器学习过程的各项指标。

明略科技高级技术总监赵亮介绍：“在大模型训练过程中，数据监测是一个重要维度，而TensorBoard通过可视化模型中的各种参数和结果，例如记录大模型训练过程的Loss变化、验证集的PPL变化、学习率变化、Token消耗量、单步参数更新时延等指标，帮助分析训练状态，发现训练过程中出现的问题并及时采取干预措施，提升大模型训练进程和效果。”

明略科技开源的C++接口TensorBoard工具页面

此前，TensorBoard仅支持Python语言接口。此次明略科技通过C++实现TensorBoard，将进一步丰富基于C++实现的大模型项目工具集，大幅提升模型训练监测效率，加速模型训练进程，改写接口后的工具将通过多维度的数据模式展示训练指标，包括标量、直方图、图像、图像合集、音频、文本等数据模式。该工具包通过github项目Tensorboard.cpp分享，助力更多研究者和开发者参与并加速大模型的研发进程，推动人工智能多领域的应用探索。

明略科技在Github开源的两款工具包：ASR-BlockFormer与tensorboard.cpp

明略科技集团CTO郝杰表示：“我们要在更高效、更低成本的要求下做出营销领域的大模型，通过自适应技术提升大模型的能力。好的行业大模型需要具备通用大模型的逻辑性、语言顺畅度，同时还需要实现通用大模型所不具备的，在某个行业内或具体的领域中的真实性、专业性。我们以明略科技凭借17年来积累的海量行业数据为基础，从客户实际需求出发，借助庞大的数据和知识库进行增强训练，满足客户多样化的任务和场景需求。在训练监测可视化工具的加持下，我们将提升训练速度，及时发现问题，为客户打造一个更加可靠、效果更好的行业大模型。”

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。