Liger-Kernel项目在Lightning训练中遇到的模型加载问题分析
问题背景
在使用Liger-Kernel项目进行Lightning训练时,开发人员尝试复现基于Deepspeed Zero3的优化训练过程时遇到了两个关键问题。这些问题涉及到模型初始化、权重加载以及性能表现等方面,值得深入分析。
问题现象与解决方案
初始错误分析
第一个错误表现为AttributeError: module 'deepspeed.utils' has no attribute 'logging'
,这是由于缺少必要的deepspeed导入导致的。通过简单地在训练脚本中添加import deepspeed
语句即可解决。
权重加载不匹配问题
第二个错误更为关键,系统报告了状态字典加载时的形状不匹配问题:
RuntimeError: Error(s) in loading state_dict for Qwen2ForCausalLM:
size mismatch for model.embed_tokens.weight: copying a param with shape torch.Size([151936, 896]) from checkpoint, the shape in current model is torch.Size([0]).
这个问题源于Deepspeed的特殊模型初始化方式。当使用Deepspeed时,模型需要在特定上下文中初始化,所有新创建的张量初始形状为0,然后由Deepspeed内部实现分片和广播。这个问题可能是由于Liger的差异或Deepspeed/HuggingFace新版本发布导致的兼容性问题。
根本原因与修复
经过项目维护者分析,这个问题是由于ignore_mismatch_shapes=True
参数在某些情况下被意外丢弃导致的。该问题已在最新提交中修复,用户可以通过安装liger-kernel-lightly
版本来解决这个问题。
性能对比发现
在问题解决后,开发人员进行了进一步的性能测试,发现了一个有趣的现象:
使用AutoLigerKernelForCausalLM
加载模型完成训练需要2小时59分钟,而改为使用标准的AutoModelForCausalLM
后,训练时间缩短至2小时42分钟。这一结果与预期相反,因为理论上Liger-Kernel应该提供性能优化。
技术启示
这一案例揭示了几个重要的技术要点:
-
框架兼容性:深度学习框架间的交互可能产生微妙的兼容性问题,特别是在使用多层级抽象(如Lightning+Deepspeed+Transformers)时。
-
初始化流程:分布式训练框架如Deepspeed对模型初始化有特殊要求,开发者需要理解这些底层机制。
-
性能基准:优化组件的实际性能表现需要通过严谨的基准测试来验证,理论优化不一定总能转化为实际加速。
后续建议
对于使用Liger-Kernel的开发者,建议:
- 确保使用最新版本的
liger-kernel-lightly
以避免已知问题 - 在性能关键应用中,进行充分的基准测试比较不同加载方式
- 关注项目更新以获取最新的性能优化和bug修复
这个案例展示了深度学习框架生态系统中常见的兼容性挑战,也提醒我们在采用新技术时需要保持谨慎和实证的态度。
- 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!C0300- 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









