QwenLM/Qwen项目中单机多卡训练生成的checkpoint文件解析
2025-05-12 16:47:37作者:何举烈Damon
在QwenLM/Qwen项目中使用单机多卡进行LoRA微调训练时,系统会生成一系列checkpoint文件,其中包含一个名为global_step3
的文件。这个文件体积较大(约54GB),许多用户对其作用和必要性存在疑问。
checkpoint文件的作用机制
在深度学习模型训练过程中,checkpoint机制是保证训练过程可恢复性的重要手段。当使用DeepSpeed框架进行分布式训练时,系统会定期保存训练状态,包括:
- 模型参数
- 优化器状态
- 训练进度信息
- 其他必要的训练元数据
这些信息被保存在以global_step
为后缀的文件中,其中数字代表训练步数。在QwenLM/Qwen项目中,当配置save_steps=3
时,系统会在每完成3个训练步骤后保存一次完整状态。
文件体积庞大的原因
global_step3
文件之所以达到54GB,主要包含以下内容:
- 完整模型参数:即使使用LoRA微调,DeepSpeed仍会保存基础模型的完整参数
- 优化器状态:包括动量、方差等二阶统计量
- 梯度累积信息:当配置
gradient_accumulation_steps=8
时,需要保存中间梯度 - 分布式训练状态:在多卡训练中协调各节点的状态信息
文件的可删除性分析
从技术角度来看:
- 推理阶段:仅需要最终的LoRA适配器参数(通常保存在
adapter_model.bin
中),checkpoint文件不会影响推理 - 继续训练:如果需要从特定步骤恢复训练,则需要保留对应的checkpoint文件
- 存储优化:确认不需要恢复训练后,可以安全删除这些大体积的checkpoint文件
最佳实践建议
- 根据存储空间和训练需求合理设置
save_total_limit
参数 - 完成训练后,可选择性保留最终模型和必要的checkpoint
- 使用
--output_dir
指定专门的输出目录,便于后期管理 - 对于生产环境,建议只保留最终微调后的模型文件
理解这些checkpoint文件的特性和作用,有助于用户更好地管理训练过程,优化存储空间使用,同时确保训练和推理的顺利进行。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++045Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0290Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp博客页面工作坊中的断言方法优化建议2 freeCodeCamp课程页面空白问题的技术分析与解决方案3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析5 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 6 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析7 freeCodeCamp Cafe Menu项目中link元素的void特性解析8 freeCodeCamp全栈开发课程中React实验项目的分类修正9 freeCodeCamp课程中屏幕放大器知识点优化分析10 freeCodeCamp论坛排行榜项目中的错误日志规范要求
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
168
2.05 K

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
101
610

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

React Native鸿蒙化仓库
C++
199
279

🎉 (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
954
563

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)。
Python
78
71

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0