mergekit项目中Gemma2模型合并时的参数异常问题分析

问题现象

在mergekit项目使用过程中，用户发现将两个Gemma2 9B模型进行合并时，生成的合并模型参数数量意外增加了1B（从9B变为10B）。类似现象也出现在Gemma2 2B模型的合并过程中。

问题根源

经过技术分析，发现该问题源于模型权重文件中存在重复的lm_head.weight张量。具体表现为：

1. 在模型的安全张量文件(.safetensors)中，lm_head.weight张量被重复存储
2. 该重复张量同时出现在模型索引文件(model.safetensors.index.json)中
3. 这种设计实际上与Gemma2模型的架构特点有关 - 其语言模型头部(lm_head)的权重矩阵被转置后同时用作词嵌入(embedding)层的权重

解决方案

要解决此参数异常问题，需要执行以下步骤：

1. 从安全张量文件中移除重复的lm_head.weight张量
2. 同步更新模型索引文件，删除对应的条目

可以使用以下Python代码示例来清理安全张量文件：

from safetensors import safe_open
from safetensors.torch import save_file

input_file = "model-00001-of-00002.safetensors"
output_file = "fixed-model-00001-of-00002.safetensors"

tensors = {}
with safe_open(input_file, framework="pt", device="cpu") as f:
    for key in f.keys():
        if key != "lm_head.weight":
            tensors[key] = f.get_tensor(key)

save_file(tensors, output_file)

技术背景

这种现象并非Gemma2模型独有，类似的设计也出现在Command-R等其他模型中。这种权重共享的设计可以：

1. 减少模型总体参数量
2. 提高训练效率
3. 保持词嵌入和输出层的一致性

但在模型合并过程中，如果不正确处理这种权重共享机制，就会导致参数计数异常的问题。

最佳实践建议

1. 在合并使用权重共享机制的模型前，应仔细检查模型架构
2. 合并后验证参数数量是否符合预期
3. 使用专门的工具检查并清理重复张量
4. 对于量化模型(exl2等)，同样需要注意此问题

通过正确处理模型权重文件中的重复张量，可以确保模型合并后的参数计数准确，避免不必要的资源消耗和潜在的性能问题。