ml-training-debugger
Диагностика сбоев обучения ML
Сбои обучения трудно отлаживать, когда логи, кривые, код и конфиги указывают в разные стороны. Этот навык систематизирует доказательства и возвращает вероятные первопричины, исправления и шаги проверки.
Установить с помощью моего Агента
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "ml-training-debugger" from https://skillstore.io/skills/dnyoussef-ml-training-debugger.md and its manifest at https://skillstore.io/api/skills/dnyoussef-ml-training-debugger/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Ресурсы для AI-агентов
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Протестировать
Использование «ml-training-debugger». Функция потерь была стабильной шесть эпох, затем резко выросла на седьмой эпохе со скачком нормы градиента.
Ожидаемый результат:
Основной вывод: learning rate или переход в расписании, вероятно, вызвали взрыв градиентов. Рекомендуемое первое исправление: снизить learning rate, включить clipping и отслеживать нормы градиентов.
Использование «ml-training-debugger». Модель возвращает один и тот же токен для каждого prompt, но training loss все еще уменьшается.
Ожидаемый результат:
Основной вывод: возможен коллапс моды или дисбаланс архитектуры. Проверьте разнообразие выходов, совместное использование embedding, дисперсию logits и дизайн loss перед увеличением времени обучения.
Использование «ml-training-debugger». Обучение завершается ошибками памяти CUDA после увеличения batch size.
Ожидаемый результат:
Основной вывод: давление на память, вероятно, связано с batch size, sequence length или сохраненными вычислительными графами. Попробуйте меньшие batches, accumulation и профилирование памяти.
Аудит безопасности
Средний рискThe static backtick and reconnaissance alerts are false positives caused by Markdown fences, inline code formatting, and ML diagnostic wording. A separate semantic issue remains: the example agent configuration enables Bash despite describing the specialist as read-only.
Подтверждённые проблемы безопасности (1)
Факторы риска
⚙️ Внешние команды (29)
Поделиться и цитировать этот отчет
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
Копировать ссылку на отчёт
https://skillstore.io/skills/dnyoussef-ml-training-debugger/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportЗначок Markdown
[](https://skillstore.io/skills/dnyoussef-ml-training-debugger?utm_source=security_passport_badge)Значок HTML
<a href="https://skillstore.io/skills/dnyoussef-ml-training-debugger?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/dnyoussef-ml-training-debugger/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Встраиваемая карточка
<iframe src="https://skillstore.io/embed/skills/dnyoussef-ml-training-debugger.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Академические ссылки (APA · BibTeX · CFF)
Цитата APA
DNYoussef. (2026). ml-training-debugger security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/dnyoussef-ml-training-debugger/audits/8Цитата BibTeX
@techreport{dnyoussef-dnyoussef-ml-training-debugger-2026,
author = {DNYoussef},
title = {ml-training-debugger security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/dnyoussef-ml-training-debugger/audits/8},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ml-training-debugger security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "DNYoussef"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/dnyoussef-ml-training-debugger/audits/8"
identifiers:
- type: other
value: "skillstore:dnyoussef-ml-training-debugger:audit:8"
description: "Skillstore immutable audit report identifier"
Оценка Skillstore
Почему такая оценка Достоверность доказательств: ВысокийЧто вы можете построить
Первичная оценка неудачных запусков обучения
Определить, почему функция потерь разошлась, градиенты взорвались или обучение перестало улучшаться.
Исследование коллапса модели
Проанализировать повторяющиеся выходы, низкое разнообразие или дисбаланс архитектуры до переработки экспериментов.
Отладка ошибок инфраструктуры обучения
Проверить ошибки CUDA, checkpoint, dataloader и фреймворка из логов обучения.
Попробуйте эти промпты
Диагностируй мой запуск ML-обучения. Симптомы: [describe issue]. Логи: [paste key logs]. Конфиг: [paste key settings]. Предоставь вероятные причины и исправления.
Проанализируй эту расходимость функции потерь. Включи точку сбоя, вероятные причины, связанные с градиентами или learning rate, подтверждающие свидетельства и безопасное первое исправление.
Сравни эти возможные причины: [list causes]. Используй мои логи, градиенты, summary модели и конфиг, чтобы ранжировать их по доказательствам и уверенности.
Выполни сквозную диагностику этого сбоя обучения. Проверь логи, кривые, архитектуру, настройку optimizer, поведение dataloader и ошибки оборудования. Расставь исправления по приоритету.
Лучшие практики
- Предоставляйте логи, конфиги, кривые функции потерь, summary моделей и точные сообщения об ошибках вместе.
- Запрашивайте причины, ранжированные по доказательствам, прежде чем менять сразу несколько параметров.
- Проверяйте каждое исправление одним контролируемым повторным запуском и отслеживаемыми метриками.
Избегать
- Не запрашивайте диагностику только по расплывчатому описанию симптома.
- Не применяйте несколько исправлений с высоким влиянием до измерения первого результата.
- Не считайте оценки уверенности доказательством, когда отсутствуют ключевые артефакты.
Часто задаваемые вопросы
Какие артефакты мне предоставить?
Может ли он автоматически исправить мой код обучения?
Работает ли он с PyTorch?
Может ли он диагностировать коллапс моды?
Как он обрабатывает неопределенность?
Подходит ли он для production-инцидентов?
Сведения для разработчиков
Автор
DNYoussefЛицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/DNYoussef/ai-chrome-extension/tree/main/.claude/skills/ml-training-debuggerСсылка
c579efd02184f1128d6741d16e6c8d951d7d4208
Актуальность поддержки
18.07.2026
Использование
5 загрузок · 229 просмотров
Структура файлов