feat(jax): implement TensorBoard training output
Los mantenedores suelen responder en 4 días
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 52/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Tranquilo
- Stack tecnológico
- python
Línea de trabajo
Empieza por las opciones training.tensorboard* del esquema común y la configuración almacenada del JAX trainer. Sigue el punto de entrada del entrenamiento para determinar dónde deben ubicarse la creación del writer, la emisión de métricas, el vaciado, la limpieza, la selección del rango y el manejo del paso de reinicio. Se considera terminado cuando los criterios de aceptación están cubiertos por pruebas de activación, frecuencia, reinicio, etiquetas distribuidas y limpieza.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Summary
The common schema exposes training.tensorboard* options, and the JAX trainer stores related configuration, but training does not currently emit TensorBoard events.
Scope
- Implement writer creation, metric emission, flushing, and cleanup.
- Honor the enable flag, frequency, and log-directory options independently of console display frequency.
- Emit stable tags for learning rate, training/validation metrics, timing, and task identity.
- Ensure only the designated rank writes a shared event stream.
- Avoid per-step host transfers or imports when no event is due or TensorBoard is disabled.
- Continue global step numbering correctly after restart.
Acceptance criteria
- No event file is created when TensorBoard is disabled.
- Enabled training emits scalars at the configured frequency and global step.
- Multi-task metrics use unambiguous stable tag names.
- Distributed training has a documented chief-only or rank-separated policy without collisions.
- Writers flush and close on normal and exceptional exits.
- Tests cover enablement, frequency, restart, and cleanup.
Refs #5756.
Coding agent: Codex
Codex version: codex-cli 0.144.4
Model: gpt-5.6-sol
Reasoning effort: xhigh
- Lenguaje dominante
- Python
- Estrellas
- 2.1k
- Forks
- 661
- Merge medio
- 5 d 13 h
- PR fusionados (30 d)
- 11
Preparar el entorno
Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de deepmodeling/deepmd-kit
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 73/100
deepmodeling/deepmd-kit#6086 ·
Los mantenedores suelen responder en 4 días
-
Fine-tune descriptor mismatch warning should ignore seedPosiblemente ocupada @SiyuanChenToDo la tomó hace 6 días. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
deepmodeling/deepmd-kit#6038 · 2 comentarios ·
Los mantenedores suelen responder en 4 días
-
Docs enhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
deepmodeling/deepmd-kit#5766 · 1 comentario ·
Los mantenedores suelen responder en 4 días
-
[Code scan] Freeze Paddle DPA3 parameters with stop_gradientPosiblemente ocupada @njzjz la tomó hace 102 días. Abiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
deepmodeling/deepmd-kit#5686 · 1 comentario ·
Los mantenedores suelen responder en 4 días
-
branch: master lang: py todo comment type: todo
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
deepmodeling/deepmd-kit#5480 ·
Los mantenedores suelen responder en 4 días
Todos los issues de deepmodeling/deepmd-kit
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
google-agentic-commerce/AP2#388 ·
-
area:codegen backend:cuda backend:hip bug direction:input
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
CrossGL/crosstl#3061 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
rlaope/oh-my-hermes#2304 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
mochan-tk/agentic-dev-kit-for-codex#64 ·
Los mantenedores suelen responder en 1 día
-
Windows ARM memory-leakAbiertobug docs performance
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
Los mantenedores suelen responder en 3 días