LLaMA Factory 微调训练可视化：Loss 曲线解析与性能优化

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: true
swanlab_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.yaml
model_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: true
swanlab_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

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。