LLaMA Factory训练可视化管理：Loss曲线解析与性能优化

优质文章学习记录

— 7 min read

作者：吴业亮
博客：wuyeliang.blog.ZEEKLOG.net

在日常的大模型微调工作中，你是否经常遇到这些困扰：训练过程像个黑盒子，不知道模型到底学到了什么；损失曲线突然异常，却找不到问题根源；多轮实验参数混乱，无法有效对比效果？

今天我们就来全面介绍LLaMA Factory这一强大的大模型微调框架，重点讲解如何在Ubuntu 22.04系统上使用四种可视化工具监控训练过程，让你的模型训练透明可控、调优有据。

一、LLaMA Factory训练监控体系概览

LLaMA Factory通过模块化设计实现了全面的指标监控功能，主要覆盖训练稳定性、模型性能和资源利用三大维度。系统默认在src/llamafactory/train/sft/metric.py中实现基础评估逻辑，同时支持通过配置文件扩展自定义指标。

核心监控指标包括：

  • 训练稳定性：损失值、梯度范数、学习率变化
  • 模型性能：准确率、困惑度、ROUGE分数
  • 文本质量：生成内容的流畅性和相关性
  • 资源利用：GPU内存占用、训练速度

指标数据通过标准化流程采集：计算层→评估层→存储层→展示层，最终在各种可视化工具上呈现。

二、Ubuntu 22.04环境准备

在开始之前，确保你的Ubuntu 22.04系统已准备好基础环境：

# 创建并激活虚拟环境 conda create -n llama-factory-monitor python=3.10 conda activate llama-factory-monitor # 安装LLaMA Factory及依赖git clone https://github.com/hiyouga/LLaMA-Factory cd LLaMA-Factory pip install -e ".[torch,metrics,swanlab]"# 安装TensorBoard pip install tensorboard

如果网络环境对HuggingFace下载不友好，可以设置国内镜像源：

# 下载源改为魔搭社区exportUSE_MODELSCOPE_HUB=1# 或者改为魔乐社区exportUSE_OPENMIND_HUB=1

三、四大监控工具实战详解

1. LlamaBoard：内置WebUI监控

LlamaBoard是LLaMA Factory自带的Web可视化界面，开箱即用，适合快速上手。

启动方式：

llamafactory-cli webui

启动后访问 http://127.0.0.1:7860 即可进入界面。

功能特点：

  • 实时损失曲线显示：训练过程中自动更新损失曲线
  • 基础训练指标：当前epoch、学习率等关键参数
  • 模型加载状态：实时显示模型和数据加载进度
  • 简易参数配置：通过Web界面调整训练参数

优势：无需额外配置，适合初学者快速验证训练过程。局限性：功能相对基础，缺乏多实验对比能力。

2. SwanLab：国产开源训练看板

SwanLab是国内新兴的开源训练可视化工具，与LLaMA Factory有深度集成。

配置步骤：

首先在https://swanlab.cn注册账号并获取API密钥：

swanlab login

在LLaMA Board的Web界面中，找到「SwanLab参数设置」卡片，勾选「使用SwanLab」并配置：

  • 项目名称（swanlab_project）
  • 实验名称（swanlab_run_name）
  • 工作区等参数

或者通过YAML配置文件启用：

### swanlab配置use_swanlab:trueswanlab_project: llamafactory swanlab_run_name: Qwen2-VL-7B-Instruct

核心功能：

  • 多实验对比：不同超参数配置的训练结果对比
  • 硬件资源监控：实时显示GPU内存、利用率等系统指标
  • 训练指标追踪：损失、准确率等指标的自动记录
  • 云端存储：实验结果自动同步到云端，便于团队协作

SwanLab的特别优势在于对中文环境的良好支持和较低的延迟，是国内开发者的不错选择。

3. TensorBoard：经典强大的可视化工具

TensorBoard是TensorFlow生态中的经典可视化工具，PyTorch也通过torch.utils.tensorboard模块提供了原生支持。

在Ubuntu 22.04上的配置：

确保已安装TensorBoard：

pip install tensorboard

在LLaMA Factory中启用TensorBoard支持：

# 训练时添加--report_to参数 python src/train.py \ --config examples/train_lora/llama3_lora_sft.yaml \ --report_to tensorboard

启动TensorBoard服务：

tensorboard --logdir=./runs --port=6006

访问 http://localhost:6006 查看可视化界面。

关键监控面板：

  • Scalars面板：损失、准确率等标量指标的曲线图
  • Graphs面板：模型计算图结构可视化
  • Distributions面板：参数分布变化情况
  • Histograms面板：参数直方图统计

高级技巧：多实验对比

将不同实验的日志存储在同一父目录下，TensorBoard会自动识别并支持对比：

# 目录结构 runs/ ├── exp1_lr1e-5 ├── exp2_lr3e-5 └── exp3_lr5e-5 # 启动TensorBoard时指定父目录 tensorboard --logdir=./runs --port=6006

在Scalars面板中勾选不同实验名称，即可在同一图表中对比相同指标的变化趋势。

4. Weights & Biases（W&B）：企业级实验跟踪

Weights & Biases是功能强大的实验跟踪平台，适合企业级应用和团队协作。

安装和配置：

pip install wandb wandb login

在训练配置中启用W&B支持：

# 在训练配置YAML文件中添加report_to: wandb wandb_project: my-llama-project wandb_run_name: experiment-1

核心特性：

  • 高级实验对比：丰富的筛选和分组功能
  • 团队协作功能：项目共享和权限管理
  • 自动化超参数搜索：与超参数优化工具集成
  • 模型版本管理：训练结果与模型版本关联

W&B特别适合需要精细实验管理和团队协作的生产环境，虽然免费版有一定限制，但功能最为完善。

四、实战案例：多工具协同监控训练过程

下面我们以一个具体的Qwen2.5B模型微调任务为例，展示如何综合使用多种监控工具。

训练配置：

# examples/train_lora/qwen2_lora_sft.yamlmodel_name_or_path: Qwen/Qwen2.5-1.5B-Instruct dataset: alpaca_zh_demo finetuning_type: lora # 监控配置report_to:- tensorboard - swanlab - wandb use_swanlab:trueswanlab_project: qwen2.5b-demo swanlab_run_name: first-experiment wandb_project: llama-factory-demo

关键监控指标设置：

# 在metric.py中添加自定义指标 eval_metrics =["accuracy","perplexity","rouge-1","rouge-2","rouge-l"]

训练启动命令：

llamafactory-cli train examples/train_lora/qwen2_lora_sft.yaml

五、训练异常诊断与调优

通过监控工具识别常见训练问题：

1. 损失曲线异常分析

  • 持续震荡：通常表示学习率过高，建议降低学习率至1e-5或启用学习率预热
  • 下降缓慢：可能是优化器不匹配，可尝试切换至AdamW优化器
  • 验证损失上升：过拟合迹象，需要增加早停机制或数据增强

2. 梯度监控

设置梯度范数阈值监控，防止梯度爆炸：

# 在配置中添加梯度裁剪 gradient_clip_val:1.0 gradient_norm_threshold:10.0

3. 资源瓶颈诊断

  • GPU内存溢出：减小batch size或启用梯度检查点
  • CPU内存不足：优化数据加载流程，使用更高效的数据格式

六、工具对比与选择建议

工具特性LlamaBoardSwanLabTensorBoardWeights & Biases
安装配置难度简单中等中等复杂
功能丰富度基础中等丰富非常丰富
多实验对比不支持支持支持强大支持
团队协作不支持支持有限支持强大支持
本地部署是支持混合是云端为主
学习曲线平缓中等中等陡峭

选择建议：

  • 初学者/快速验证：LlamaBoard
  • 个人项目/国内用户：SwanLab
  • 科研实验/多参数对比：TensorBoard
  • 企业级/团队协作：Weights & Biases

七、总结

LLaMA Factory配合四大监控工具，为大模型微调提供了全方位、多层次的训练可视化方案。在Ubuntu 22.04系统上，这些工具都能稳定运行，满足从实验跟踪到性能分析的各种需求。

最佳实践建议：

  1. 起步阶段：从LlamaBoard开始，快速验证训练流程
  2. 进阶使用：结合SwanLab和TensorBoard，获得更全面的监控视角
  3. 生产环境：考虑W&B的企业级功能，满足团队协作需求
  4. 问题诊断：善用多工具协同分析，快速定位训练异常

训练可视化不是终点，而是模型优化的起点。通过有效的监控和分析，我们不仅能及时发现训练问题，还能积累调优经验，为后续实验提供数据支持。

Read more

阿里开源纯前端浏览器自动化 PageAgent，[特殊字符] 浏览器自动化变天啦？

阿里开源纯前端浏览器自动化 PageAgent，[特殊字符] 浏览器自动化变天啦？

🤖 浏览器自动化变天了！从 Playwright 到 PageAgent，ZEEKLOG/掘金编辑器为何成了"拦路虎"？ 摘要：浏览器自动化正在经历从"脚本执行"到"智能代理"的范式转移。阿里开源的 PageAgent 让 AI"住进"网页，但面对 ZEEKLOG 的换行陷阱和掘金的 CodeMirror 黑盒，纯 DOM 自动化为何频频碰壁？本文深度解析技术演进与实战破局方案。 01 技术演进：三代浏览器自动化方案对比 浏览器自动化技术，正在经历一场从"机械执行"到"智能理解"的革命。
【前端】Vue3+elementui+ts，TypeScript Promise＜string＞转string错误解析，习惯性请出DeepSeek来解答

【前端】Vue3+elementui+ts，TypeScript Promise＜string＞转string错误解析，习惯性请出DeepSeek来解答

🌹欢迎来到《小5讲堂》🌹 🌹这是《前端》系列文章，每篇文章将以博主理解的角度展开讲解。🌹 🌹温馨提示：博主能力有限，理解水平有限，若有不对之处望指正！🌹 目录 * 前言 * 报错信息 * DeepSeek解答 * 问题原因 * 解决方案 * 最佳实践 * 异步和同步 * 1. 同步（Synchronous）操作 * 示例：同步数据更新 * 2. 异步（Asynchronous）操作 * 示例 1：`setTimeout` * 示例 2：`async/await` * 3. Vue 3 的异步更新机制 * 如何等待 DOM 更新？ * 4. 生命周期钩子中的异步 * 5. 总结 * 最佳实践 * 文章推荐 前言 好久没有写前端，

从零部署本地大语言模型：Ollama + Open WebUI 完整实战指南（附详细步骤和代码）

前言 在 AI 大模型爆发的今天，你是否也想在自己的电脑上运行一个专属的大语言模型？本指南将手把手教你从零开始部署一套完整的本地 AI 对话系统，让你无需联网、无需付费 API，就能享受 AI 带来的便利。 技术栈：Ollama（模型运行）+ Open WebUI（Web 界面）+ DeepSeek/LLaMA（大模型） 适用场景： * 个人开发者本地调试 AI 应用 * 企业内网私有化部署，数据不出网 * 学习研究大模型原理 * 搭建专属 AI 助手 一、架构介绍 在开始部署之前，我们先了解一下整体架构： 组件作用端口Ollama大模型运行引擎，负责模型加载和推理11434Open WebUI类 ChatGPT 的 Web 界面，提供对话功能8080模型文件DeepSeek、LLaMA 等大语言模型- 二、环境准备
用 Vue 3 重构 Dify 聊天前端（上篇）：项目搭建与基础架构

用 Vue 3 重构 Dify 聊天前端（上篇）：项目搭建与基础架构

本系列教程将带你从零开始，用 Vue 3 + TypeScript 复刻一个类似 Dify 的 AI 聊天前端。上篇聚焦项目搭建、类型设计、路由认证、HTTP 封装和状态管理。 项目简介 背景 Dify 是一个开源的 LLM 应用开发平台，提供了对话式 AI 的后端服务。在实际项目中，我们往往需要自建前端来对接Dify后端 API或LLM后端服务，实现定制化的聊天界面。 本项目的目标：用 Vue 3 构建一个生产级的 AI 聊天前端，具备以下能力： * SSE 流式输出（打字机效果） * Markdown 渲染 + 代码高亮 * 用户认证 * 文件/图片上传 * 聊天会话历史管理 * 工作流执行可视化 * Agent 思考过程展示 * 移动端响应式适配