LMDeploy部署GLM4-9B-Chat-1M模型时的Tokenizer问题解析
在深度学习模型部署过程中,Tokenizer作为文本预处理的关键组件,其兼容性问题常常会导致部署失败。本文将深入分析使用LMDeploy工具部署GLM4-9B-Chat-1M模型时遇到的Tokenizer异常问题,并提供解决方案。
问题现象
当用户尝试通过LMDeploy的api_server命令部署GLM4-9B-Chat-1M模型时,系统抛出TypeError异常,提示ChatGLM4Tokenizer._pad()方法接收到了意外的关键字参数"padding_side"。这一错误发生在Tokenizer处理停止词(stop words)的环节,具体是在调用_encode_plus方法时传递了不兼容的参数。
技术背景
Tokenizer在Transformer架构中负责将原始文本转换为模型可处理的token ID序列。ChatGLM4Tokenizer作为GLM4系列模型的专用分词器,其实现可能与其他标准Tokenizer存在差异。padding_side参数通常用于控制序列填充的方向(左侧或右侧),但在ChatGLM4Tokenizer的实现中似乎没有正确处理这个参数。
根本原因
该问题的根源在于LMDeploy与transformers库版本之间的兼容性问题。较新版本的transformers库可能对Tokenizer接口进行了调整,而ChatGLM4Tokenizer尚未完全适配这些变更。特别是_pad方法的参数列表发生了变化,但Tokenizer实现没有相应更新。
解决方案
针对这一问题,目前有两种可行的解决方法:
-
降级transformers库版本:将transformers库回退到与ChatGLM4Tokenizer兼容的早期版本,可以暂时规避接口不匹配的问题。
-
等待LMDeploy更新:LMDeploy开发团队已经注意到这个问题,并在内部修复中。预计在下一版本发布时将包含对此问题的解决方案。
最佳实践建议
在部署大型语言模型时,建议开发者:
- 仔细检查模型所需的环境依赖版本
- 在隔离的环境中测试部署流程
- 关注官方文档的版本兼容性说明
- 对于长期上下文模型(如1M token的GLM4),确保系统资源充足
通过理解Tokenizer的工作原理和版本兼容性问题,开发者可以更高效地解决模型部署过程中的各类异常情况。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++038Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









