Training Lens · 训练视窗

为 DeepSeek Harness（DSH） 提供简洁的本地训练监控。直接读取训练器已经写好的 TensorBoard 标量，不需要改训练代码，也不依赖 TensorBoard 网页启动。

English

截图使用生成的演示数据，不代表真实训练结果。

看什么

• 自选主要 / 辅助指标：奖励、验证损失、准确率、学习率以及任意自定义标量。
• 自选“越高越好 / 越低越好”；默认不预设方向，显示历史范围。
• 原始数值、可选 EMA 平滑、指标自己的记录 step、可展开的全部标量和异常值提示。
• 中英文切换、窄屏布局、运行切换、每五秒自动刷新。

安装

需要 DSH 0.2.1-rc.2（已测试的目标版本）、Node 22+，以及已安装 TensorBoard 的 Python 3.10+ 训练环境。

dsh plugin --profile desktop add https://github.com/GU143312/dsh-training-lens/releases/download/v0.1.0/dsh-training-lens-0.1.0.tgz

也可以从源码安装；包内是可直接运行的 JavaScript，不需要安装时构建：

dsh plugin --profile desktop add github:GU143312/dsh-training-lens#v0.1.0

安装后在方便的时候重载插件或重启 DSH。desktop 可换成自己的 profile。GitHub 安装包与 npm 发布是独立渠道；npm 尚未发布时请使用上面命令。

在 DSH 中说：

请用 training_lens 打开我的 TensorBoard 日志，目录是「日志目录的绝对路径」，Python 是「训练环境 Python 的完整路径」。

Windows 的解释器通常在 .venv\Scripts\python.exe；Linux/macOS 通常在 .venv/bin/python。插件返回一个本机网页地址，打开后选择运行、主要指标和改善方向。

之后可以说“查看训练视窗状态”或“关闭训练视窗”。关闭的只是监控进程，训练不受影响。插件卸载、重载或 DSH 退出时，自己启动的监控会被清理。每个插件实例同时管理一个监控；更换目录或解释器前请先关闭。

依赖与配置

优先复用已有训练 Python。缺少 TensorBoard 时，在源码目录用该解释器执行 python -m pip install -r requirements.txt。插件不会自动安装或修改依赖，也不读取账号、凭证或训练模型。

默认自动选择空闲端口，仅监听 127.0.0.1；指定端口被占用时会报错，不会终止其他服务。可在 profile 的 cordis.patch.yml 为 training-lens 设置 python、logdir、port、staleSeconds、startupTimeoutMs，示例见 英文说明。

如何理解页面

• 状态灯只反映日志新鲜度，不证明训练进程仍然健康。达到目标 step / epoch 也不代表模型已保存或训练成功。
• 各指标可能有不同的更新频率，卡片注明自己的 step。普通训练不假设 step 就是 epoch；仅在已知日志约定下展示配置目标。
• 不从奖励推算成功率，不从损失下降宣称泛化改善。不同指标的图表纵轴独立。
• 非有限值留空并断开曲线。长序列仅为绘图降采样，卡片统计仍使用完整已读序列。
• 支持普通 scalar 和 TF2 scalar-plugin tensor。超大的混合媒体日志可能占用较多内存，请选择明确的训练日志目录。
• 日志留在本机，无遥测、无云端上传。远程 DSH 的网页运行在远程主机，请使用已有 SSH / 编辑器端口转发。

开发与许可

npm ci --ignore-scripts、npm run check、npm test，以及 python -m unittest discover -s tests -p 'test_*.py' -v。设置 TRAINING_LENS_TEST_PYTHON 后启用真实子进程生命周期测试；缺少可选 Python 依赖时，相关测试明确跳过。测试不启动真实训练。

MIT 开源许可；依赖保留各自许可证。安装包只包含必要的代码、静态资源和说明，不包含运行数据、个人目录、模型或原项目文件。