Menu
使用配置、doctor 检查、日志和生成文件诊断 ReproFlow 运行失败。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
| name | reproflow-debug-run |
| description | 使用配置、doctor 检查、日志和生成文件诊断 ReproFlow 运行失败。 |
当训练、调参、消融、实验或 benchmark 运行失败时，使用这个 skill。
python scripts/doctor.py data=<dataset> model=<model> trainer=<trainer> metrics=default
然后查看：
result/**/training_*.logresult/**/config_*.yamlresult/**/history_*.csvresult/**/summary_latest.csv以下结构化 artifact 只有显式开启时才会出现：
result/tracking/<experiment_id>/<run_id>/run_metadata.jsonresult/tracking/<experiment_id>/<run_id>/artifacts_manifest.jsonresult/tracking/<experiment_id>/<run_id>/events.jsonlresult/tracking/<experiment_id>/<run_id>/metrics_latest.jsonresult/tracking/<experiment_id>/<run_id>/predictions.csvtask_type 和 trainer 不匹配。training_loop.monitor_metric 没有包含在当前 metrics 配置中。{"logits": logits}。(batch, num_classes)。在不修改训练主循环的前提下，为 ReproFlow 添加或配置评估指标。
在遵守 ReproFlow 模型、配置、数据和 trainer 契约的前提下，添加新的深度学习模型或 baseline。
通过数据 YAML、adapter/Dataset 契约和 doctor 检查，把自定义数据集接入 ReproFlow。
在 ReproFlow 中复现机器学习论文，把 docs/papers 中的论文转成方法插件、配置、adapter/trainer 选择、smoke check 和公平对比实验。
使用统一指标和随机种子创建或运行 baseline 与论文方法的公平对比实验。