Zum Inhalt springen
LLM Engineering Course
Deutsch
Esc
↑↓navigieren↵öffnen⌘Jvorschau
Auf dieser Seite

Fehlerbehebung für Einheit 0

← Einheit 0 — Erster Tiny-LM-Lauf · Diagnose & Lernpfad → · Glossar

Starte mit der Diagnose und behebe den ersten fehlschlagenden Check:

python examples/diagnose_unit0.py
Symptom Bedeutung Lösung
python: command not found meist: Kursumgebung in diesem Terminal nicht aktiv Zuerst .venv aktivieren (jede Sitzung); klappt das nicht, python3 versuchen, andernfalls Python 3.11+ installieren
No module named llm_course Umgebung inaktiv oder Paket fehlt .venv aktivieren, dann python -m pip install -e ".[dev,docs]"
Installation wirkt langsam PyTorch ist eine große Abhängigkeit Terminal offen lassen und auf die abschließende Erfolgs-/Fehlerzeile warten
MPS/CUDA nicht verfügbar Beschleuniger fehlt oder ist für PyTorch unsichtbar mit --device cpu starten; dies ist der vollständige Pflichtpfad
Berechtigungsfehler in artifacts/ aktuelles Verzeichnis nicht beschreibbar --artifact-dir auf ein beschreibbares Projektverzeichnis setzen
Checkpoint-Format/Vokabular falsch Artefakte stammen aus anderer Kursversion frisches Verzeichnis wie --artifact-dir artifacts/unit0-clean nutzen
--prompt must contain at least one character das Modell benötigt mindestens ein Kontexttoken nicht leeren --prompt angeben
unerwartetes ? im Prompt unbekannte Zeichen werden zum Unknown-Token nur a–z, Leerzeichen und ! , - . ? nutzen; Großbuchstaben werden kleingeschrieben (das Alphabet steht in Einheit 0 unter „Deine eigene Änderung“, nach dem festen Beispiel)
Sampling-Läufe unterscheiden sich Seed oder Befehl unterscheidet sich Seed, Prompt, Zielzeichen, Boost und Commit angleichen

Backend isolieren

Prüfe den verbindlichen CPU-Pfad separat:

python examples/diagnose_unit0.py --device cpu
python examples/run_unit0.py --device cpu

Wenn CPU besteht, aber MPS/CUDA scheitert, notiere Backend, PyTorch-Version, Befehl und vollständigen Fehler. Setze die Lektion auf CPU fort; Beschleunigung ist optional.

Nachweise für einen brauchbaren Fehlerbericht

  1. Betriebssystem und Python-Version;
  2. Ausgabe von python examples/check_hardware.py --skip-benchmark;
  3. Ausgabe von python examples/diagnose_unit0.py;
  4. exakter Befehl und erster vollständiger Traceback;
  5. ob --device cpu erfolgreich ist.

Hänge niemals generierte Checkpoints, Firmendaten, Zugangsdaten oder persönliche Informationen an.

← Einheit 0 — Erster Tiny-LM-Lauf · Diagnose & Lernpfad → · Glossar

War diese Seite hilfreich?