训练任务

训练任务模块是 DeepExtension 提供的可视化无代码界面操作模块，用于微调语言模型。它支持多种微调策略，可无缝对接上传的数据集，在训练全过程中可以清晰地进度监控和模型比较。

---

开始新训练

开始一个新的训练任务的步骤如下：

1. 在“模型训练”页面点击 “开始新训练”；
2. 从 训练方法管理 中选择一个微调方法；
3. 填写下面的训练参数；
4. 点击 “运行训练” 后，任务会以 后台处理模式 提交并在后端运行。

参数说明表

参数名称	含义	典型取值 / 范围
Base Model / MODEL_PATH	要微调的基础模型	如 Qwen1.5-7B、LLaMA2等，需要在基础模型中注册
Dataset / DATASET_PATH	用于训练的数据集	已上传的 JSONL 格式数据集
LORA_RANK	LoRA 适配器矩阵的秩	4、8、16
LOAD_IN_4BIT	是否在训练中使用 4-bit 量化	true 或 false
MAX_SEQ_LENGTH	模型允许的最大序列长度	512、1024、2048
MAX_INPUT_LENGTH	输入提示的最大 token 长度	256 – 2048
MAX_CONTENT_LENGTH	训练内容的最大 token 长度	256 – 2048
MAX_SAMPLES	训练集中加载的最大样本数	如 1000、5000，用-1 表示加载全部样本
NUM_GENERATIONS	奖励/验证生成的样本数	1 – 10
MAX_GRAD_NORM	梯度裁剪的最大范数	0.5 – 5.0
EPOCHS	数据集完整迭代的轮数	1 – 50（未设置 MAX_STEPS 时生效）
MAX_STEPS	总训练步数	100 – 50000
BATCH_SIZE	每批样本数	1 – 64
GRAD_ACCUM_STEPS	梯度累积步数	1 – 16
LEARNING_RATE	初始学习率	如 1e-4、5e-5、2e-5
WARMUP_STEPS	学习率预热步数	如 0 – 5000
WARMUP_RATIO	用于预热的比例	0.01 – 0.2（未设置 WARMUP_STEPS 时生效）
OUTPUT_DIR	训练输出保存位置（由系统自动管理）	系统自动生成
PromptInputColumn	数据集中用作输入提示的字段名	如 question、instruction、query
PromptOutputColumn	数据集中用作参考答案的字段名	如 answer、response、completion

以上大多数参数会直接传递给训练逻辑。如需自定义处理，请参考 实现自定义训练。

---

查看训练详情与进度

查看已存在的训练任务：

1. 回到“模型训练”主页
2. 点击对应任务的 “查看详情”

有如下三个标签页：

• 训练概览：显示所有训练参数
• 评估数据：可视化呈现 loss 曲线、奖励得分和性能指标
• 训练日志：训练过程生成的原始日志，用于调试与审计

---

复制训练任务

快速复制并调整已有训练任务：

1. 在训练详情页面的 “训练概览” 标签页底部点击 “复制训练”
2. 将自动填充配置，可修改关键参数（如数据集或学习率），运行新的训练任务

这对于 A/B 测试和迭代优化非常实用。

---

训练对比

可以对多个训练任务进行比较：

• 在主页选择任意两个或以上的任务
• 点击 “对比”，即可同时查看参数、性能指标和输出的差异

---

DeepExtension — 简化企业级 AI 模型训练的全生命周期流程