Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

How to calculate training efficiency ,i.e tokens/sec of step 1 fine tuning of llama2 model ?

Aperta
#923 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
25/100
Tipo di issue
Documentazione
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
python

Direzione di ricerca

Inizia con il 7b_logfile.txt collegato e i log di fine-tuning dello step 1 menzionati nell'issue. Identifica quali valori registrati rappresentano i token elaborati e il tempo di addestramento trascorso, quindi verifica l'efficienza risultante rispetto alla configurazione dell'esecuzione. Il lavoro è completato quando viene fornito un calcolo riproducibile e viene spiegato quali voci di log lo supportano.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

hi all,
I'm executing step1 fine tuning of llama2 7b model on DGX system . mentioned below is the log generated . I need help in calculating the tokens/sec i.e training efficiency of the model . Can please someone help me with that.
7b_logfile.txt

Lingua principale
Python
Stelle
6.8k
Fork
1.1k
Merge medio
2g 16h
PR unite (30g)
1

Preparare l'ambiente

Non abbiamo ancora controllato i file di configurazione di questo progetto. Parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di deepspeedai/DeepSpeedExamples

Tutte le issue di deepspeedai/DeepSpeedExamples

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.