QwenLM/Qwen项目中单机多卡训练生成的checkpoint文件解析
2025-05-12 11:05:48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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-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).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
248
2.46 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
217
297
暂无简介
Dart
547
119
🎉 (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
1.02 K
596
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
1.02 K
410
Ascend Extension for PyTorch
Python
87
118
仓颉编程语言运行时与标准库。
Cangjie
124
102
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
592
123