首页
/ GLiNER项目在MPS设备上的微调问题与解决方案

GLiNER项目在MPS设备上的微调问题与解决方案

2025-07-05 16:45:17作者:裘晴惠Vivianne

背景介绍

GLiNER是一个基于Transformer架构的命名实体识别(NER)模型,它能够高效地从文本中提取结构化信息。在实际应用中,开发者经常需要对预训练模型进行微调(fine-tuning)以适应特定领域的任务需求。对于使用Apple Silicon芯片(M1/M2)的开发者来说,利用Metal Performance Shaders(MPS)进行加速是一个理想选择。

问题现象

在尝试使用MPS设备对GLiNER模型进行微调时,开发者遇到了一个典型错误:"Placeholder storage has not been allocated on MPS device!",随后是更具体的错误信息:"Calculated loss must be on the original device: cpu but device in use is mps:0"。

这个错误表明系统在尝试将计算从CPU转移到MPS设备时出现了问题,具体表现为损失值计算设备不匹配。

问题分析

通过深入分析,我们发现这个问题主要涉及以下几个方面:

  1. 设备管理冲突:当开发者显式设置设备为MPS时,Hugging Face的Trainer类内部可能有自己的设备管理逻辑,导致冲突。

  2. Transformers版本兼容性:在较新版本的Transformers库(如4.42)中,对MPS设备的支持可能存在一些问题,特别是与损失计算相关的部分。

  3. 自动设备分配:GLiNER和Transformers库都有自己的设备自动检测和分配机制,多重管理可能导致意外行为。

解决方案

经过多次测试和验证,我们找到了以下有效的解决方案:

  1. 避免手动设置设备:不要显式调用model.to(device)或设置设备变量,让Trainer自动处理设备分配。

  2. 使用兼容的Transformers版本:将Transformers库降级到4.41版本可以解决这个问题。这个版本对MPS设备的支持更加稳定。

  3. 确保数据加载正确:使用GLiNER提供的专用数据集类GLiNERDataset来封装训练数据,确保数据格式与模型预期一致。

最佳实践建议

对于希望在Apple Silicon设备上微调GLiNER模型的开发者,我们建议:

  1. 创建干净的Python环境,专门安装兼容版本的库:

    transformers==4.41.0
    torch>=2.0.0
    
  2. 遵循GLiNER官方提供的训练脚本结构,避免不必要的设备设置代码。

  3. 监控训练过程中的设备使用情况,确保计算确实发生在MPS设备上。

  4. 对于大型数据集,考虑使用较小的批次大小(batch size)以避免内存问题。

技术原理

MPS是Apple提供的Metal Performance Shaders框架,它允许开发者充分利用Apple Silicon芯片的GPU能力。与CUDA类似,MPS为PyTorch提供了后端支持,使得在Mac设备上也能高效地进行深度学习训练。

在底层实现上,当PyTorch检测到MPS可用时,会自动将张量运算分配到MPS设备。然而,当多个组件(如模型、训练器、数据加载器等)各自尝试管理设备时,就可能出现冲突。Transformers库4.41版本在这方面提供了更稳定的实现。

总结

在Apple Silicon设备上使用MPS加速GLiNER模型的微调是完全可行的,关键在于使用兼容的库版本和正确的配置方法。通过本文介绍的方法,开发者可以顺利地在M1/M2芯片上高效地进行模型微调,充分利用硬件加速能力。

随着PyTorch和Transformers对MPS支持的不断完善,未来在Mac设备上进行深度学习开发将会变得更加顺畅。开发者应关注官方文档和版本更新,以获取最新的兼容性信息。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511