test

cann-robotadd swanlab math_solver_qwen2.5_lora example

0020e098创建于 2 天前历史提交

文件	最后提交记录	最后更新时间
math_solver_qwen2.5_lora	add swanlab math_solver_qwen2.5_lora example Co-authored-by: ink_polymer<2020611156@qq.com> # message auto-generated for no-merge-commit merge: !689 merge upstream-test-latest into test add swanlab math_solver_qwen2.5_lora example Created-by: ink_polymer Commit-by: ink_polymer Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。--> <!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单单号。--> ## 测试 <!--描述进行了哪些测试来验证你的改动。包括但不限于二级冒烟、算子泛化等。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 内容优化 - [ ] 其他，请描述： ## 其他信息 <!-- 在这里可以添加任何与这个 Pull Request 相关的其他说明。 --> See merge request: cann/cann-learning-hub!689	2 天前
mnist	add: SwanLab mnist微调教程 Co-authored-by: mlewis<137259307@qq.com> # message auto-generated for no-merge-commit merge: !561 merge readme-optimization into test add: SwanLab mnist微调教程 Created-by: mlewis Commit-by: mlewis Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。--> <!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单单号。--> ## 测试 <!--描述进行了哪些测试来验证你的改动。包括但不限于二级冒烟、算子泛化等。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 内容优化 - [ ] 其他，请描述： ## 其他信息 <!-- 在这里可以添加任何与这个 Pull Request 相关的其他说明。 --> See merge request: cann/cann-learning-hub!561	14 天前
qwen3_medical_sft	新增 Qwen3 医学场景全参微调与 NPU 推理接入实战教程 Co-authored-by: gcw_gpcLb7J8<sanvannahlzh@gmail.com> # message auto-generated for no-merge-commit merge: !440 merge third-clean into test 新增 Qwen3 医学场景全参微调与 NPU 推理接入实战教程 Created-by: gcw_gpcLb7J8 Commit-by: gcw_gpcLb7J8 Merged-by: cann-robot Description: ## 描述 新增 contrib/tutorials/swanlab_example/ 教程：在昇腾 NPU 上参考 SwanLab 官方 Qwen3 医学模型微调教程，完成 Qwen3-1.7B 的 BF16 全参数 SFT 微调（医学问答场景），并将微调产出的权重接入昇腾官方推理框架 cann-recipes-infer 完成 NPU 推理验证。教程覆盖数据准备、模型加载与监督标签构建、全参微调、SwanLab 训练过程记录、Transformer 原生推理验证、以及 cann-recipes-infer 统一执行器部署与性能实测的完整流程。 ## 关联的Issue 无 ## 测试 - 依据 qwen3_medical_sft.ipynb 在昇腾 Atlas A3环境完整跑通训练和推理全流程 - 训练：约650 步，总耗时 569.8s，loss 从 1.93 收敛至 1.07，eval_loss 收敛至约1.16，全程未见过拟合或发散 - Transformer 原生推理：验证模型正确输出思考过程及最终回答 - 接入统一执行器完成部署，实测 Prefill 27.22ms、Decode 平均 5.29ms - 记录了实测过程中遇到的 6 个环境/依赖问题及对应修正方式 ## 文档更新 无 ## 类型标签 - [ ] Bug修复 - [x] 新特性 - [ ] 内容优化 - [ ] 其他，请描述： See merge request: cann/cann-learning-hub!440	22 天前