9.2.1.1 纯度控制与批次重复性

文档摘要

9.2.1.1 纯度控制与批次重复性纯度控制不是实验室的道德洁癖，而是工业级AI模型量产的生命线——一个被忽略的HPLC级色谱图，如何在PyTorch DataLoader里长出“分子指纹” 你有没有遇到过这样的场景？凌晨两点，模型在A批次数据上AUC飙到0.92，团队刚在Slack里发完庆祝表情包；第二天上午，B批次新数据一进来，指标断崖式跌至0.71——不是过拟合，不是学习率崩了，也不是label翻转。日志干干净净，梯度平稳，loss曲线光滑得像用CAD画出来的。你反复比对两批数据的shape、dtype、nan比例、归一化参数……全都一致。直到你把里那行看似无害的注释掉，再跑一次——指标回升到0.91。