近日，明略科技集团成功实现了机器学习可视化工具——TensoRBOARd的C++接口。这一创新不仅丰富了基于C++的大模型项目工具集，还使得大模型预训练过程的监控变得更加便捷与高效，从而加速了营销领域的大模型预训练进程。该工具现已在Github上开源。
TensoRBOARd是由Google开发的一款机器学习可视化工具，广泛用于监测机器学习过程中的各项指标。
明略科技的高级技术总监赵亮表示：“在大模型训练过程中，数据监测是至关重要的。TensoRBOARd通过可视化展示模型中的各种参数和结果，如记录大模型训练过程中的损失（LoSS）变化、验证集的困惑度（PPL）变化、学习率变化、Token消耗量及单步参数更新延迟等，帮助分析训练状态，及时发现问题并采取干预措施，从而提升大模型的训练效率和效果。”
明略科技开源的C++接口TensoRBOARd工具页面
在此之前，TensoRBOARd仅支持Python语言接口。明略科技通过C++实现的TensoRBOARd，将进一步丰富基于C++的大模型项目工具集，大幅提升模型训练监测效率，加快模型训练进程。改写后的工具将通过多维度的数据模式展示训练指标，包括标量、直方图、图像、图像合集、音频和文本等数据模式。该工具包通过Github项目TensoRBOARd.CPp分享，旨在帮助更多研究者和开发者参与并加速大模型的研发进程，推动人工智能在多个领域的应用探索。
明略科技在Github上开源的两款工具包：ASR-BlockFoRMeR与TensoRBOARd.CPp
明略科技集团CTO郝杰表示：“我们希望在更高效、更低成本的前提下，开发出适用于营销领域的大模型，通过自适应技术增强模型的能力。优秀的行业大模型应具备通用大模型的逻辑性和语言流畅度，同时也需要实现特定行业或领域内的真实性和专业性。基于明略科技17年来积累的丰富行业数据，我们从客户的实际需求出发，借助庞大的数据和知识库进行增强训练，以满足客户多样化的任务和场景需求。在训练监测可视化工具的支持下，我们将提升训练速度，及时发现问题，为客户打造更加可靠和高效的行业大模型。”
