AI 培育

以下是新手玩家首次体验《AI 培育》手游时可能遇到的**十个典型问题**，均基于游戏简介中描述的核心玩法与特色，聚焦认知门槛、操作逻辑与系统反馈等真实新手痛点，并为每个问题提供**具体、可操作、符合游戏机制的解决方式**（不涉及外部资源或作弊）： 1. **问题：分不清GPU/TPU适用场景，盲目堆砌高算力卡导致散热崩溃** 　→ 解决方式：先完成「机房新手引导」中的“硬件特性卡片”教学（点击机房内问号图标解锁），理解GPU适合训练、TPU适合推理；初期仅部署2块A100+基础液冷板，待「散热压力」低于60%再扩容。 2. **问题：导入公开数据集后训练报错“标签格式不匹配”，卡在数据清洗环节** 　→ 解决方式：使用界面右下角「数据诊断工具」（小放大镜图标），自动识别COCO/CIFAR等主流数据集格式；勾选「智能对齐」选项，系统将统一转为游戏内标准标签结构。 3. **问题：架构设计面板组件过多，随意拖拽组合后模型无法编译（显示红色感叹号）** 　→ 解决方式：点击「架构模板库」（齿轮图标旁书本图标），选择「新手推荐」分类下的「ViT-Base精简版」或「LSTM文本基线」，所有组件已预验证兼容。 4. **问题：启动训练后显存立即溢出，进度条卡在0%，但硬件监控显示GPU利用率仅30%** 　→ 解决方式：进入「训练配置」→「内存优化」页签，开启「梯度检查点」+「混合精度训练」双开关（默认关闭），系统将自动降低显存峰值50%以上。 5. **问题：训练到50轮时Loss曲线突然飙升，误以为模型崩溃而强制中断** 　→ 解决方式：观察「训练事件日志」（火焰图标），若提示“检测到学习率震荡”，点击「自适应调节」按钮，系统将基于余弦退火算法动态调整学习率，无需重训。 6. **问题：雷达图评估中“泛化性”维度极低，但其他指标优秀，不知如何针对性优化** 　→ 解决方式：在「评估报告」页点击“泛化性”标签，触发「过拟合诊断向导」：系统建议添加DropPath（视觉模型）或权重衰减（文本模型），并提供一键插入按钮。 7. **问题：多房间机房扩展后，新机房GPU无法被训练任务调度（显示“未连接集群”）** 　→ 解决方式：打开「机房拓扑图」→ 点击两个机房间的虚线连接符 → 选择「光纤直连协议」（需消耗1单位冷却剂），完成后刷新