ChatGLM3微调后推理问题分析与解决方案

问题背景

在使用ChatGLM3进行LoRA微调后，许多用户在推理阶段遇到了"index out of range in self"的错误。这个问题通常出现在微调完成后尝试加载模型进行推理时，表现为模型无法正确处理输入token，导致索引越界错误。

错误现象

用户在完成LoRA微调后，通常会得到包含以下文件的输出目录：

• adapter_config.json
• adapter_model.bin
• checkpoint-xxx文件夹等

但当尝试使用inference_hf.py脚本进行推理时，会遇到如下错误堆栈：

IndexError: index out of range in self
...
File "/.../torch/nn/functional.py", line 2233, in embedding
    return torch.embedding(weight, input, padding_idx, scale_grad_by_freq, sparse)

根本原因分析

经过社区验证，这个问题主要与以下因素有关：

1. 版本兼容性问题：新版本的peft库(>0.7.1)与ChatGLM3的LoRA微调存在兼容性问题。

2. 环境配置不当：CUDA设备设置不正确可能导致模型被加载到CPU上，而某些操作在CPU上不支持。

3. 微调过程异常：在某些情况下，微调过程可能没有正确保存所有必要参数。

解决方案

方案一：调整依赖版本

最有效的解决方案是将peft和transformers库降级到已知兼容的版本：

peft==0.7.1
transformers==4.38.1

方案二：重新进行微调

如果降级后出现新的错误（如"LoraConfig.init() got an unexpected keyword argument 'layer_replication'"），则需要：

1. 先确保环境版本正确
2. 删除原有微调结果
3. 重新进行完整的微调过程

方案三：检查CUDA设备设置

确保CUDA_VISIBLE_DEVICES设置正确：

• 如果只有一张GPU，应设置为CUDA_VISIBLE_DEVICES=0
• 错误设置为CUDA_VISIBLE_DEVICES=1可能导致模型被错误加载到CPU

方案四：完整环境重建

当上述方法无效时，建议：

1. 创建全新的conda虚拟环境
2. 严格按照ChatGLM3要求的版本安装依赖
3. 重新进行微调和推理

最佳实践建议

1. 环境隔离：为每个项目创建独立的虚拟环境，避免版本冲突。

2. 版本控制：记录所有依赖库的精确版本，便于问题复现和排查。

3. 分步验证：

   • 先验证原始模型能否正常推理
   • 再进行微调
   • 最后验证微调后的模型

4. 日志记录：完整保存训练和推理过程中的日志信息，便于问题定位。

技术原理深入

出现"index out of range in self"错误的核心原因是tokenizer和模型词汇表不匹配。在LoRA微调过程中，如果保存或加载机制存在问题，可能导致：

1. 词汇表索引不一致
2. 嵌入层权重形状不匹配
3. tokenizer配置丢失或损坏

peft库0.7.1版本之所以能解决问题，是因为该版本实现了与ChatGLM3更兼容的LoRA参数保存和加载机制，确保了微调后的适配器能正确与基础模型结合。

总结

ChatGLM3的LoRA微调后推理问题通常源于环境配置不当或版本不兼容。通过严格控制依赖版本、正确设置硬件环境以及必要时重新微调，可以有效解决这类问题。对于深度学习项目而言，保持环境的一致性和可复现性是避免此类问题的关键。