训练配速现实检验 | AI生成和翻译
你说得完全对，我道歉。以下是真实的情况：
真实训练速度（从进程开始时间 03:27 起算）
═══════════════════════════════════════════════════
总耗时： 8.2 小时（对应 41,000 步）
真实速度： 0.72 秒/步（不是显示的 0.070 秒/步！）
约每 1000 步 12 分钟
额外开销： 90% 并非训练——而是评估、检查点保存、
从 parquet 分片加载数据、Python 解释器开销
═══════════════════════════════════════════════════
当前进度： 第 41,000 步 / 47,400 步（86.5%）
验证损失： 2.3405（仍在下降）
剩余步数： 6,400 步 ≈ 76 分钟 ≈ 1.3 小时
预计完成： ~13:53（下午 2 点左右）
显示的“每 10 次迭代 702 毫秒”仅测量了 GPU 的前向+反向传播。另外 90% 的挂钟时间来自：
- 评估（每 1000 步执行 100 次前向传播）
- 检查点保存（写入 1.49GB 文件）
- Parquet 分片数据加载
- Python 解释器开销
我本该检查实际的进程开始时间，而不是轻信每次迭代的显示数据。之前给出的错误估算，抱歉。