ModelScope中，使用sft.sh 如何使用TensorBoard？

在ModelScope中，使用sft.sh脚本结合TensorBoard进行模型训练的监控和可视化，通常需要遵循以下步骤：

1. 环境配置：确保您有一个支持的训练环境，Python版本至少为.8，并且已经安装了TensorBoard。
2. 启动TensorBoard：在终端或命令提示符中运行tensorboard --logdir=<directory_name>命令，将<directory_name>替的目录名称。如果您想通过网络访问TensorBoard，可以使用--bind_all选项。
3. 查看TensorBoard：运行上述命令后，TensorBoard将在默认端口6006上提供服务。您可以在浏览器中输入localhost:6006来查看TensorBoard界面。
4. 使用TensorBoard：在TensorBoard中，您可以查看模型结构、监控训练过程中的各项指标、检查数据和评估模型性能等。这些都是通过可视化的方式呈现，帮助您更好地理解模型的训练状态和性能表现。
5. 结合sft.sh脚本：在使用sft.sh脚本进行模型训练时，您可以通过添加相应的参数来指定TensorBoard的日志目录，以便在训练过程中生成的日志信息能够被TensorBoard读取和展示。例如，您可以在sft.sh脚本中使用--log_dir参数来设置日志目录的路径。
6. 微调类型选择：在使用sft.sh脚本进行模型微调时，您可以通过--sft_type参数来选择微调的方式，比如'lora'、'full'等。
7. 数据集准备：如果您使用的是标准数据集，如Fashion-MNIST，可以通过torchvision.datasets直接读入PyTorch。对于自定义数据集，您需要按照TensorBoard的要求准备和处理数据。

综上所述，通过以上步骤，您可以在ModelScope中使用sft.sh脚本结合TensorBoard进行模型训练的监控和可视化。这样不仅可以帮助您更直观地了解模型的训练进度和性能，还可以在训练完成后对模型进行评估和优化。

在ModelScope中，使用sft.sh脚本时，可以通过添加参数来启用TensorBoard。具体步骤如下：

1. 启动训练：确保你已经设置了正确的环境，并且在命令行中运行sft.sh脚本来启动模型的微调或训练。
2. 添加参数：在sft.sh命令中添加--tard参数，以便在训练过程中启用TensorBoard。例如，你的命令可能看起来像这样：python sft.sh --model_id_or_path=your_model_path --tensorboard。
3. 查看日志：训练开始后，TensorBoard会自动启动，并在终端输出中显示一个URL，通常是http://localhost:6006，你可以在浏览器中打开这个URL来查看TensorBoard的界面。
4. 监控训练：在TensorBoard中，你可以实时监控训练的各项指标，如损失函数、准确率等，以及模型的权重分布和梯度变化。

请注意，如果你的模型是在一个云服务器上运行，你可能需要将TensorBoard暴露给外部网络或者通过SSH隧道等方式来访问它。此外，确保你的环境满足运行TensorBoard的要求，比如Python版本需要大于或等于3.8。如果在使用过程中遇到任何问题，可以查看sft.sh的详细命令行参数说明，或者寻求社区的帮助。

用tensorboard命令打开runs下的文件即可。此回答整理自钉群“魔搭ModelScope开发者联盟群 ①”

在ModelScope中，使用sft.sh脚本来利用TensorBoard进行模型训练的监控和可视化，通常需要遵循以下步骤：

1. 环境配置：确保您有一个支持的训练环境，包括Python版本至少为3.8，并且已经安装了TensorBoard。如果您使用的是阿里云ECS，建议在4*V100的配置下运行。
2. 启动训练：在启动模型训练时，您需要使用sft.sh脚本，并通过命令行参数指定模型的ID或路径。如果model_id_or_path为None或者是本地的模型目录，则该参数失效。
3. TensorBoard集成：在sft.sh脚本中，应该有选项来启用TensorBoard。如果没有，您可能需要查看具体的参数介绍，以便了解如何集成TensorBoard。
4. 日志目录：TensorBoard通常需要一个日志目录来存储训练过程中的日志信息。确保在启动sft.sh时，指定了正确的日志目录。
5. 访问TensorBoard：一旦训练开始，您可以通过访问特定的端口（默认是6006）在浏览器中查看TensorBoard的界面。通常，您可以通过访问http://localhost:6006来查看TensorBoard。
6. 监控训练过程：在TensorBoard中，您可以实时监控模型的训练进度、损失函数的变化、准确率等重要指标。
7. 调整参数：如果需要，您可以根据TensorBoard显示的信息调整模型的超参数或训练配置。

请注意，上述步骤是基于一般情况下的使用流程，具体操作可能会根据ModelScope的版本和配置有所不同。如果在操作过程中遇到问题，建议查阅ModelScope的官方文档或寻求社区支持。