单轮训练时长
按每步耗时与步数估算单轮及总训练时长，适用于训练排期、算力预算与迭代周期规划。
⏱️ Epoch Training Time Estimator
Estimate the time for one epoch and for the whole run from per-step cost and step count. Useful for scheduling and compute budgeting.
📐 计算公式 / 原理
总步数 = ⌈轮数 × 样本数 / 批量⌉；训练时长(小时) = 轮数 × 样本数 / 批量 / 速度 / 3600
把步数除以单卡吞吐（样本/秒）再换算成小时，用于排期与算力预算评估。速度为经验值，实际受数据加载、混合精度、通信开销影响，多卡时还要乘上并行效率（通常 0.7–0.9）。
📐 计算公式与说明
步数 = ⌈epochs×数据/批次⌉；时长 = 步数/吞吐
未计通信与 I/O 开销。
📚 深度解析：单轮训练时长
💡 常见使用场景
- 单轮时长≈每步平均耗时×步数；总时长=单轮×轮数(+验证/通信开销)。
- 步数=⌈样本数/batch⌉，故增大 batch 可减少步数、缩短单轮(受显存上限)。
- 分布式加速比受通信与负载均衡限制，并非线性随 GPU 数提升。
训练排期
每步 50ms、步数 313、轮数 10 → 单轮≈15.65s，总训练≈156s 不含验证。若数据并行 4 卡步数减半则单轮≈7.8s。
❓ 常见问题（FAQ）
- 显存不够 batch 又想快怎么办？
- 用梯度累积模拟大 batch(不增显存)，或降低精度(混合精度)提速；也可优化数据管道减少 IO 等待，避免 GPU 空转。
- 实测比估算慢很多？
- 多半是数据加载瓶颈或通信开销。检查 DataLoader 预取、SSD/缓存、NCCL 拓扑；纯计算外的等待会显著拉长单轮。