TensorBoard是用于机器学习可视化的工具，支持训练指标监控、模型调试、实验对比及性能分析。适用于PyTorch和TensorFlow框架，帮助开发者直观理解模型行为并优化训练过程。
针对AReaL分布式训练（FSDP2/TP等）的调试指南，涵盖死锁、结果错误、OOM及通信异常。提供最小复现策略、环境配置、堆栈分析及具体排查步骤。
提供Apache Spark作业的性能优化方案，涵盖分区策略、内存管理、Shuffle优化及数据倾斜处理。用于调试慢任务、调整Executor配置及扩展数据处理流水线。
指导分析 LLaVA-OneVision2 中 cu_lengths 和 patch_positions 对 ViT 及 LLM 阶段注意力边界的控制机制，用于调试 packed 序列行为及跨样本隔离问题。
诊断Seedance视频生成中的12类常见问题（如人物漂移、字幕、画质劣化等），定位根因并输出修复后的提示词及修改解释。
用于修复机器学习实验中的工程故障，如NaN、GPU OOM、数据加载瓶颈及复现失败等。旨在区分代码错误与科学发现，优先解决导致实验无效的底层技术问题。
- «
- 1
- »
