Logging e Debug
Monitore o progresso do treinamento e diagnostique problemas.
Opções de Logging
Weights & Biases
aitraining llm --train \
--model google/gemma-3-270m \
--data-path ./data \
--project-name my-model \
--log wandb
- Curvas de perda em tempo real
- Métricas de hardware
- Rastreamento de hiperparâmetros
- Artefatos de modelo
TensorBoard
aitraining llm --train \
--model google/gemma-3-270m \
--data-path ./data \
--project-name my-model \
--log tensorboard
tensorboard --logdir my-model/runs
Visualizador W&B (LEET)
Visualizador de terminal integrado que mostra métricas em tempo real no seu terminal.
O visualizador W&B está habilitado por padrão ao usar --log wandb. Use --no-wandb-visualizer para desabilitá-lo.
# Visualizer is on by default with wandb
aitraining llm --train \
--model google/gemma-3-270m \
--data-path ./data \
--project-name my-model \
--log wandb
# To disable the terminal visualizer
aitraining llm --train \
--model google/gemma-3-270m \
--data-path ./data \
--project-name my-model \
--log wandb \
--no-wandb-visualizer
Passos de Logging
Controle a frequência de logging:
aitraining llm --train \
--model google/gemma-3-270m \
--data-path ./data \
--project-name my-model \
--logging-steps 10 # Log every 10 steps
Saída Verbosa
Capturar Logs Completos
aitraining llm --train ... 2>&1 | tee training.log
Variáveis de Ambiente
Essas variáveis de ambiente afetam o comportamento de logging e debug:
| Variable | Description |
|---|
AUTOTRAIN_TUI_MODE=1 | Suppresses logs when running in TUI mode (set automatically) |
PAUSE_ON_FAILURE=0 | Disable pausing on failure (default: 1, enabled) |
WANDB_API_KEY | Weights & Biases API key for logging |
Supressão de Ruído
Essas são definidas automaticamente para reduzir o ruído nos logs:
| Variable | Value | Effect |
|---|
TF_CPP_MIN_LOG_LEVEL | 3 | Suppress TensorFlow warnings |
TOKENIZERS_PARALLELISM | false | Disable tokenizer parallelism warnings |
BITSANDBYTES_NOWELCOME | 1 | Suppress bitsandbytes welcome message |
Problemas Comuns
Memória Esgotada (OOM)
Sintomas:
- Erro “CUDA out of memory”
- Treinamento trava repentinamente
Soluções:
# Reduce batch size
aitraining llm --train --batch-size 1 ...
# Enable gradient checkpointing (on by default)
# If disabled, re-enable:
# --disable-gradient-checkpointing false
# Use gradient accumulation
aitraining llm --train \
--batch-size 1 \
--gradient-accumulation 8 \
...
# Enable auto batch size finding
aitraining llm --train --auto-find-batch-size ...
# Use quantization
aitraining llm --train --quantization int4 ...
Treinamento Lento
Verifique:
- Utilização da GPU:
nvidia-smi -l 1 # Watch GPU usage
- Habilitar otimizações:
aitraining llm --train \
--use-flash-attention-2 \
--packing \
--mixed-precision bf16 \
...
- Gargalo de carregamento de dados:
- Certifique-se de que os dados estão em armazenamento rápido (SSD)
- Pré-processe os dados para reduzir sobrecarga de tokenização
- Use comprimentos de sequência menores se possível
Perda NaN
Sintomas:
- Perda se torna NaN
- Treinamento diverge
Soluções:
# Lower learning rate
aitraining llm --train --lr 1e-6 ...
# Add gradient clipping
aitraining llm --train --max-grad-norm 0.5 ...
# Use fp32 instead of fp16/bf16
aitraining llm --train --mixed-precision no ...
- Comportamento inesperado
- Qualidade ruim do modelo
Passos de debug:
# Check data format
import json
with open("data.jsonl") as f:
for i, line in enumerate(f):
try:
data = json.loads(line)
print(f"Line {i}: {list(data.keys())}")
except:
print(f"Line {i}: INVALID JSON")
if i >= 5:
break
# Preview data processing
aitraining llm --train \
--max-samples 10 \
--epochs 1 \
...
Checkpointing
Estratégia de Salvamento
aitraining llm --train \
--save-strategy steps \
--save-steps 500 \
--save-total-limit 3 \
...
Retomar Treinamento
Se o treinamento travar, retome do checkpoint:
aitraining llm --train \
--model ./my-model/checkpoint-500 \
--data-path ./data \
...
Ferramentas de Monitoramento
Monitoramento de GPU
# Real-time GPU stats
watch -n 1 nvidia-smi
# GPU memory usage over time
nvidia-smi --query-gpu=memory.used --format=csv -l 5
Recursos do Sistema
# CPU and memory
htop
# Disk I/O
iostat -x 1
Lista de Verificação de Debug
- Verificar logs - Procure por mensagens de erro
- Verificar dados - Certifique-se do formato correto
- Verificar GPU - Memória e utilização
- Tentar menor - Reduza tamanho do batch/modelo
- Isolar problema - Reprodução mínima
Próximos Passos
