训练进度与预计完成时间

训练进度与预计完成时间 | AI生成和翻译

Home 2026.04

以下是对运行训练和预计完成时间的分析。

运行状态

进程: 在 tmux 1: 中运行 python3 train.py config/train_fineweb.py (于 4月29日星期三 13:46 HKT 启动)
当前: 4月29日 22:20 HKT → 已运行约 8 小时 34 分钟
最新日志行: iter 3200: loss 3.4117, time 9332ms, mfu 13.57%
最新检查点: out-fineweb/ckpt.pt 于 21:35 写入 (第 3000 步保存)。大小 1,492,570,892 B ≈ 1.39 GiB，与保存了优化器状态的 125M GPT-2 预期相符 (fp32 模型约 0.5 GB + AdamW m/v 约 1.0 GB)。

当前使用的配置 (`config/train_fineweb.py`)


dataset	fineweb
model	12L / 12H / 768d, ~1.236 亿参数
block_size	1024
batch / grad_accum	8 × 64 → 有效批次 512 序列 → 每迭代 524,288 个token
max_iters / lr_decay_iters	12000
warmup	500
lr	3e-4 → 3e-5
eval_interval	500 (always_save_checkpoint=True)
compile	True

因此，训练完成时的总 token 数 ≈ 12000 × 524,288 ≈ 62.9 亿个token (注释中的 “~30 亿” 已过时)。

损失趋势

step    train    val
     10.997   10.991
    5.451    5.508
   4.379    4.391
   4.063    4.010
   3.906    3.852
   3.813    3.774
   3.744    3.691

仍以每 500 步约下降 0.07 的速度减少，且验证损失 < 训练损失 —— 状态健康，无过拟合迹象。仍有足够下降空间：在 FineWeb 规模的数据上，一个 125M 的 GPT-2 模型预期最终会稳定在验证损失约 3.0–3.1。

预计何时完成？

每次迭代时间: 9.33 秒 (正常) + 每 500 次迭代约 20 秒评估时间 → 有效平均约 ~9.37 秒/次迭代
完整运行: 12000 × 9.37 ≈ 112,400 秒 ≈ 31.2 小时 挂钟时间
估算截止 22:20 的当前迭代: 30,840 / 9.37 ≈ 迭代次数 ~3290
剩余: ~8700 次迭代 × 9.37 秒 ≈ 22.6 小时
预计完成时间 (ETA): 4月30日星期四, 约 20:50 HKT (±30 分钟，取决于评估开销)

下一个检查点保存将在第 3500 步触发，约等于迭代次数 3290 + 210 → 从现在起约 33 分钟后 (约 22:53)。

值得注意的事项

MFU 略有下降 (15.4 % → 13.6 %)；无需担心，这是评估步骤后滚动平均的正常现象。
单 GPU 上 gradient_accumulation_steps = 64 且 batch_size = 8，意味着每次迭代包含 64 个微批次 —— 这就是为什么感觉 9.3 秒/次迭代较长，但吞吐量实际良好 (~56 K tok/s)。
注释中关于 max_iters 的 “~30 亿个token处理” 是不正确的；在 block 大小为 1024、有效批次为 512 的情况下，12K 次迭代应处理约 62.9 亿个token。如果您在意，值得修正，但这不影响本次运行。

您希望我继续监控并在下一个检查点时通知您，还是从当前检查点采样以检查生成效果？

Back Donate