明略科技開源TensorBoard.cpp，助力大模型預訓練

，近日，明略科技集團實現了機器學習可視化工具——TensorBoard的C++接口，進一步豐富了基于C++的大模型項目工具集，使得大模型預訓練過程監控更加便捷、高效，加速營銷領域大模型預訓練進程。該工具已在Github開源。

TensorBoard是Google開發的一款機器學習可視化工具，常用于監測機器學習過程的各項指標。

明略科技高級技術總監趙亮介紹:“在大模型訓練過程中，數據監測是一個重要維度，而TensorBoard通過可視化模型中的各種參數和結果，例如記錄大模型訓練過程的Loss變化、驗證集的PPL變化、學習率變化、Token消耗量、單步參數更新時延等指標，幫助分析訓練狀態，發現訓練過程中出現的問題并及時采取干預措施，提升大模型訓練進程和效果。”

明略科技開源的C++接口TensorBoard工具頁面

此前，TensorBoard僅支持Python語言接口。此次明略科技通過C++實現TensorBoard，將進一步豐富基于C++實現的大模型項目工具集，大幅提升模型訓練監測效率，加速模型訓練進程，改寫接口后的工具將通過多維度的數據模式展示訓練指標，包括標量、直方圖、圖像、圖像合集、音頻、文本等數據模式。該工具包通過github項目Tensorboard.cpp分享，助力更多研究者和開發者參與并加速大模型的研發進程，推動人工智能多領域的應用探索。

明略科技在Github開源的兩款工具包:ASR-BlockFormer與tensorboard.cpp

明略科技集團CTO郝杰表示:“我們要在更高效、更低成本的要求下做出營銷領域的大模型，通過自適應技術提升大模型的能力。好的行業大模型需要具備通用大模型的邏輯性、語言順暢度，同時還需要實現通用大模型所不具備的，在某個行業內或具體的領域中的真實性、專業性。我們以明略科技憑借17年來積累的海量行業數據為基礎，從客戶實際需求出發，借助龐大的數據和知識庫進行增強訓練，滿足客戶多樣化的任務和場景需求。在訓練監測可視化工具的加持下，我們將提升訓練速度，及時發現問題，為客戶打造一個更加可靠、效果更好的行業大模型。”