PEFT 0.12 跑 LoRA 微调 loss 突然变 nan 训练中断怎么排查

陆零云 35 0
现象 用 PEFT 0.12 在 fp16 下跑 LoRA 微调,前二十步 loss 在 1.8 附近平稳下降,第二十一步突然变成 nan,之后每一步都是 nan,导出的适配器加载后回答全是重复的符号,等于白跑。 原因 fp16 的动态范围窄,学习率 2e-4 配上较大的梯度容易上溢成 inf,再参与运算就变 nan。数据里如果混进空样本或整批都是 padding,交叉熵也会算成 nan。没有开梯度裁剪时,一次异常梯度就能把全部参数污染,之后无论怎么继续训...

Chrome 131 控制台告警 unload 将弃用 怎么改成 pagehide

陆零云 33 0
现象 项目在 Chrome 131 的控制台里出现一条弃用告警:Unload event listeners are deprecated and will be removed。同时页面正用 unload 上报离开埋点,数据开始丢失,部分用户的行为路径在后台断掉,Safari 上也提示过类似信息。 原因 unload 会阻止浏览器把页面放进往返缓存,直接影响前进后退的性能,Chrome 从 117 开始逐步弃用,131 起直接在控制台告警。这个事件在移动...

CentOS 7.9 配了 IPv6 地址却 ping6 不通 路由和 RA 怎么排查

陆零云 38 0
现象 机房给了一段 IPv6,按文档在网卡上加了地址,ip -6 addr 能看到,但 ping6 网关和外部地址都不通,提示 Network is unreachable。IPv4 一切正常,防火墙也已经放行,重启网络后地址还在但依旧不通。 原因 常见三类。地址加了但没有默认路由,内核不知道往哪发;机房采用 RA 下发前缀,而服务器上 net.ipv6.conf.eth0.accept_ra 被设成 0,路由器通告被忽略;上游做了 MAC 与 IPv6...

Nginx rewrite 规则加了不生效 重启后还是 404 怎么查

陆零云 31 0
现象 为了把旧链接 /article/123 跳到新地址,在站点配置里加了 rewrite 规则,nginx -t 显示语法正确,reload 也执行成功,访问老地址依旧 404,error_log 里没有一条 rewrite 记录。 原因 规则可能写在了另一个 server 块里,实际请求命中的是 default_server;前面有更精确的 location 先匹配走了,rewrite 根本轮不到;rewrite 结尾没有写 last 或 break,...

统计和客服脚本拖慢首屏 1.5 秒 异步加载怎么改

陆零云 28 0
现象 页面自己的资源只有 200KB,首屏却要 1.5 秒才可交互。统计、客服、广告三个第三方脚本都在 head 同步加载,任意一个服务商变慢,整页都跟着卡住。监控里 TBT 的一半以上来自这几个外部域名。 原因 第三方脚本由外部域名提供,DNS、连接、下载都不可控;同步加载会阻塞解析;脚本内部再串行请求配置和上报接口,主线程被长任务占住;某个服务商响应慢时没有超时,页面一直等它。这些脚本还常带 cookie 与重定向,进一步拉长关键路径。 解决步骤 第一...

Git 2.40 切到 detached HEAD 后提交丢失 reflog 还能怎么找回

陆零云 35 0
现象 为了看一个老版本,执行 git checkout HEAD~2 后直接改代码并 commit,切回 main 时提示提交不在任何分支上,新提交也从 git log 里消失了,工作区回到旧内容。以为代码被删掉,差点重新写一遍。 原因 checkout 一个提交号而不是分支名,HEAD 就处于游离状态,新提交只挂在 HEAD 上,没有任何分支引用指向它。一旦切走,这条链失去名字,看起来像丢了,其实对象还在仓库里,只是没有引用。 解决步骤 第一步,先别做...

独立服务器和 8核16G 云主机一年价格对比哪个好

陆零云 38 0
现象 业务量上来后,8核16G 云主机月付七百左右,有人推荐同价位租独立服务器,说资源独享、不怕超售。换过去之后发现扩容要等机房上架,硬盘坏了要等人到现场,防御和备份也得自己搭,省下的钱又花在运维上。更麻烦的是硬件一旦故障,只能等机房安排上门,期间的停机时间没法用快照回滚。 原因 云主机的价格里包含了虚拟化、快照、迁移和网络调度,单核性能可能不如同代物理机,但故障恢复快、扩容在分钟级。独立服务器资源独享、磁盘和带宽更实在,但交付周期以小时甚至天计,硬件故障...

标签页 300 个 title 全重复 页面里 2 个 H1 怎么改

陆零云 26 0
现象 站内 300 个标签聚合页的 title 都是「标签 - 站点名」,正文里同时出现两个 h1,一个是文章标题,一个是站点名。SEO 检测得分只有 62 分,这些标签页在索引里几乎全被判为重复内容,长期停留在「已抓取未编入索引」。移动端模板又单独推导了一份标题,同一篇文章在电脑和手机上还不一致。 原因 模板里写死了标题,没有把标签名拼进去,所有页面对蜘蛛来说长得一模一样;h1 在页头和文章模板里各写了一个,主题升级后又叠加了一份;标签页本身没有独有摘要...

PHP 脚本 memory_limit 设 128M 却吃到 512M 限制怎么被绕过

陆零云 31 0
现象 php.ini 里 memory_limit 写的是 128M,一个处理 CSV 的脚本却把内存吃到 500M 才被系统杀掉,过程中没有出现 Allowed memory size exhausted。ini_get 打印出来仍是 128M,开发同学说自己在代码里 ini_set 过也没用。 原因 memory_limit 有多个层级:主 ini、conf.d 里后加载的文件、FPM pool 的 php_admin_value,后者会覆盖 ini_...

bge-reranker-large 和 7B 模型同卡部署爆 OOM 显存怎么分配

陆零云 36 0
现象 一张 24G 卡上先起 vLLM 跑 7B 对话模型,再加载 bge-reranker-large 做精排,第一次 rerank 请求就报 CUDA out of memory,紧接着 vLLM 进程也被挤掉,两个接口一起返回 500,只能重启。 原因 vLLM 默认按整卡 90% 预留显存,留给其他进程的空间很小。reranker 权重只有 1G 出头,但一次送 32 条候选、每条 512 token,激活和中间张量会瞬间涨到几个 G。两个进程各自...