知识卡片
检查点编号应对应已完成更新
本章在开始计算时先递增 current_step,中断可能发生于更新前,因此 interrupt-step 编号未必表示该步已成功完成。可靠记录应区分尝试步、完成更新步与权重状态,并确保保存状态没有混淆这些语义。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
f"train_rlvr_grpo_metrics_{timestamp}.csv" csv_log_path = Path(csv_log_path) try: #B for step in range(steps): #C optimizer.zero_grad() current_step = step + 1 example = math_data[step % len(math_data)] #D stats = compute_grpo_loss( model=model, tokenizer=tokenizer, example=example, device=device, num_rollouts=num_rollouts, max_new_tokens=max_new_tokens, temperature=temperature, top_p=top_p, ) #E stats["loss_tensor"].backward() #F torch.nn.utils.clip_grad_norm_(model.parameters(), 1.0) #G optimizer.step() #H reward_avg = torch.tensor(stats["rewards"]).mean().item() step_tokens = sum( sample["gen_len"] for sample in stats["samples"] ) avg_response_len = ( step_tokens / len(stats["samples"]) if stats["samples"] else 0.0