Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

feat(tf2): support epoch-based and multi-task training horizons

Đang mở
  • Có gì không ổn?
#5,879 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 3 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
35/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Ít trao đổi
Công nghệ
python, tensorflow
Lĩnh vực
machine-learning

Hướng nghiên cứu

Bắt đầu bằng cách lần theo quá trình khởi tạo huấn luyện TF2 từ training.numb_steps qua bước lọc dataset và xác định batch-size, đồng thời so sánh ngữ nghĩa schema được tham chiếu trong #5757. Lập bản đồ nơi xử lý các lần chuyển epoch, việc lấy mẫu multi-task, việc xáo trộn lại, trạng thái khởi động lại và số bước của optimizer phân tán. Được xem là hoàn thành khi các đầu vào epoch-only và multi-task hoạt động với hành vi khởi động lại và xáo trộn lại đã được kiểm thử, trong khi quá trình huấn luyện theo số bước cố định vẫn không thay đổi.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

enhancement

Summary

The common schema accepts training.numb_epoch and aliases plus multi-task training.num_epoch_dict, but TF2 training still initializes directly from training.numb_steps. Epoch-only inputs therefore do not have a complete TF2 execution path.

Scope

  • Resolve single-task epoch counts after dataset and batch-size setup determines steps per epoch.
  • Resolve multi-task epoch dictionaries into documented sampling probabilities and a deterministic total step count.
  • Define epoch transitions, reshuffling, and restart state.
  • Keep distributed ranks aligned on optimizer-step count.
  • Preserve explicit fixed-step behavior.

Use a shared backend-neutral horizon resolver where feasible so schema semantics remain consistent.

Acceptance criteria

  • A normalized TF2 input with only an epoch count trains without requiring numb_steps.
  • Multi-task epoch dictionaries produce documented and tested scheduling behavior.
  • Filtering and batch-size resolution occur before horizon calculation.
  • Restart resumes the same epoch and intra-epoch position.
  • Single-rank and distributed tests cover reshuffling and uneven tails.
  • Existing fixed-step TF2 training remains unchanged.

Refs #5757.

Coding agent: Codex
Codex version: codex-cli 0.144.4
Model: gpt-5.6-sol
Reasoning effort: xhigh

Ngôn ngữ chính
Python
Star
2.1k
Fork
659
Merge trung bình
4 ngày 2 giờ
Pull request đã merge (30 ngày)
6

Chuẩn bị môi trường

Mở trong Codespaces

Khởi chạy dev container của dự án ngay trên trình duyệt, bằng tài khoản GitHub của bạn.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của deepmodeling/deepmd-kit

Tất cả issue của deepmodeling/deepmd-kit

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.