train: 更新模型训练功能和日志记录方式

- 修改训练目录结构，将检查点和日志分开保存
- 添加 TensorBoard 日志记录支持
- 移除自定义 LossCallback 类，简化训练流程
- 更新训练参数和回调机制，提高代码可读性
- 在 requirements.txt 中添加 tensorboardX 依赖

tools/model.py

@@ -35,13 +35,13 @@ def train_model(
     model, 
     tokenizer, 
     dataset: list, 
-    output_dir: str, 
+    train_dir: str, 
     learning_rate: float, 
     per_device_train_batch_size: int, 
     epoch: int, 
     save_steps: int, 
     lora_rank: int,
-    trainer_callback
+    trainer_callback=None
 ) -> None:
     # 模型配置参数
     dtype = None  # 数据类型，None表示自动选择
@@ -113,14 +113,16 @@ def train_model(
             optim="adamw_8bit",  # 使用8位AdamW优化器节省显存，几乎不影响训练效果
             weight_decay=0.01,  # 权重衰减系数,用于正则化，防止过拟合
             seed=114514,  # 随机数种子
-            output_dir=output_dir,  # 保存模型检查点和训练日志
+            output_dir=train_dir + "/checkpoints",  # 保存模型检查点和训练日志
             save_strategy="steps",  # 按步保存中间权重
             save_steps=save_steps,  # 使用动态传入的保存步数
-            report_to="none",
+            logging_dir=train_dir + "/logs",  # 日志文件存储路径
+            report_to="tensorboard",  # 使用TensorBoard记录日志
         ),
     )
-
-    trainer.add_callback(trainer_callback)
+    
+    if trainer_callback is not None:
+        trainer.add_callback(trainer_callback)
 
     trainer = train_on_responses_only(
         trainer,