PyTorch Lightning中优化预训练子模块的检查点存储策略
2025-05-05 09:08:29作者:伍希望
在PyTorch Lightning项目开发中,我们经常会遇到需要整合大型预训练模型(如LLM、VAE等)作为子模块的情况。这些预训练模型在训练过程中参数保持不变,但默认情况下会被完整保存到检查点中,这会导致两个主要问题:
- 存储空间浪费:大型预训练模型的参数会显著增加检查点文件大小
- IO时间增加:每次保存和加载检查点时都需要处理这些不变的参数
问题本质分析
PyTorch Lightning的默认检查点机制会保存整个模型的状态,包括所有子模块。对于预训练且训练过程中不变的子模块,这种全量保存的方式确实不够高效。我们需要一种方法来告诉框架:"这部分子模块不需要保存在检查点中"。
解决方案
PyTorch Lightning提供了两种主要方式来解决这个问题:
1. 自定义state_dict方法
通过重写模型的state_dict
方法,我们可以精确控制哪些参数需要被保存。例如:
def state_dict(self, *args, **kwargs):
# 获取默认的state_dict
state_dict = super().state_dict(*args, **kwargs)
# 移除不需要保存的子模块参数
for name in list(state_dict.keys()):
if name.startswith("vae."): # 假设vae是我们的预训练子模块
del state_dict[name]
return state_dict
这种方法提供了最大的灵活性,可以精确控制每个参数的保存行为。
2. 使用strict_loading=False特性
从PyTorch Lightning 2.2版本开始,新增了strict_loading
特性。我们可以设置:
self.strict_loading = False
这样在加载检查点时,框架会允许部分参数不匹配,使得我们可以安全地加载移除了预训练子模块参数的检查点。
最佳实践建议
-
明确区分:在模型设计阶段就明确哪些是预训练不变的子模块,哪些是需要训练的参数
-
文档记录:在代码中添加清晰的注释,说明为什么某些子模块不被保存
-
版本兼容:当修改state_dict行为时,考虑检查点的向后兼容性
-
性能测试:比较优化前后的检查点大小和加载时间,量化优化效果
实现示例
以下是一个完整的实现示例:
class MyLightningModule(pl.LightningModule):
def __init__(self):
super().__init__()
self.strict_loading = False # 允许部分加载
self.vae = AutoencoderKL.from_pretrained(...) # 预训练子模块
self.trainable_head = nn.Linear(...) # 需要训练的部分
def state_dict(self, *args, **kwargs):
state_dict = super().state_dict(*args, **kwargs)
# 过滤掉预训练子模块的参数
return {k: v for k, v in state_dict.items() if not k.startswith("vae.")}
def on_load_checkpoint(self, checkpoint):
# 自定义加载逻辑
current_state = self.state_dict()
for key in checkpoint["state_dict"]:
if key in current_state:
current_state[key] = checkpoint["state_dict"][key]
self.load_state_dict(current_state, strict=False)
注意事项
-
当使用非严格加载时,确保训练逻辑不会因为缺少参数而出现问题
-
如果预训练子模块的权重可能会在后续被微调,则不应该将其从检查点中移除
-
在分布式训练场景下,确保所有进程都使用相同的检查点加载策略
通过合理利用PyTorch Lightning提供的这些特性,我们可以显著优化模型检查点的存储和加载效率,特别是在使用大型预训练模型作为子组件的场景下。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
858
509

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
257
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

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
1.07 K
0

deepin linux kernel
C
22
5