Set up monitoring and automatic tools for model training
@tvosch がすでに取り組んでいます。
2026年7月3日 から。
評価
この issue はまだ評価されていません。
説明
Set up monitoring and automatic tools
This issue will provide the implementation of a variety of monitoring tools, automatic conversion scripts etc.
The approach is to run cronjobs locally that query over multiplexed tmux on the login nodes. Tmux sessions with non-whitelisted commands are usually cancelled by the admins after a certain period of time. Because we use "headless" (essentially only an sshd process which is assumed to be whitelisted) the process will therefore not to be killed on the login node.
Note that it's not desired to run this on a shared localhost as it uses ssh credentials to log into the HPC.
Some HPCs do not have internet access on the compute nodes and MareNostrum5 does not even have internet access on the login nodes. Thus this approach easily generalizes for every HPC cluster.
Current setup uses the Raspberry Pi5 of Thomas.
Codebase is here: https://github.com/OpenEuroLLM/oellm-monitoring
Tools
- Automatic W&B sync
- Compute usage alerts sent to Mattermost
- Disk usage alerts sent to Mattermost
- Training progress tracker synced to https://huggingface.co/spaces/openeurollm/oellm_progress
- Automatic checkpoint conversion
- Training queue updates send to Mattermost
- 主要言語
- 言語のデータがありません
- スター
- 3
- フォーク
- 0
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
OpenEuroLLM/Taskboard のほかの issue
-
[nucleus sparse] Experiment setup対応中かも @aaronkl が 9 日前に担当しました。 オープンT4.1 - Optimization HPC T4.2 - model exploration
OpenEuroLLM/Taskboard#439 · コメント 1 件 · リアクション 1 件 · 担当者 1 名 ·
-
Qwen3.5 35B-A3B hybrid MoE weak and strong scaling対応中かも @ibaucells が 9 日前に担当しました。 オープンT4.1 - Optimization HPC
OpenEuroLLM/Taskboard#438 · コメント 2 件 · 担当者 1 名 ·
-
Synthetic Generation for Multilingual Instruction Tuning対応中かも @abhash-er が 10 日前に担当しました。 オープン4.6 post-training
OpenEuroLLM/Taskboard#437 · 担当者 1 名 ·
-
Safety and alignment evaluation対応中かも @BirgerMoell が 10 日前に担当しました。 オープン4.6 post-training
OpenEuroLLM/Taskboard#436 · 担当者 1 名 ·
-
Finding optimal dataset mixtures for DPO対応中かも @geoalgo が 10 日前に担当しました。 オープン4.6 post-training
OpenEuroLLM/Taskboard#435 · 担当者 3 名 ·