首页
/ PEFT项目中使用ChatGLM模型遇到的NoneType问题分析与解决

PEFT项目中使用ChatGLM模型遇到的NoneType问题分析与解决

2025-05-12 08:40:52作者:宣利权Counsellor

问题背景

在使用PEFT(Parameter-Efficient Fine-Tuning)项目对ChatGLM模型进行微调时,开发者遇到了一个典型的错误:AttributeError: 'NoneType' object has no attribute 'shape'。这个问题出现在尝试使用PromptEncoder对THUDM/glm-4-9b-chat模型进行参数高效微调时。

错误原因深度分析

该错误的根本原因在于ChatGLM模型的特殊实现方式与PEFT的PromptEncoder机制之间存在兼容性问题。具体表现为:

  1. 模型架构差异:ChatGLM模型采用了自定义的前向传播逻辑,与标准Transformer模型有所不同
  2. 输入处理方式:PromptEncoder在内部处理时会直接传递inputs_embeds而非input_ids
  3. 空值检查缺失:原始ChatGLM代码中缺少对input_ids为None情况的处理逻辑

解决方案实现

经过深入分析,我们确定了以下几种解决方案:

方案一:修改模型源码

在ChatGLM的modeling_chatglm.py文件中,需要对两处关键代码进行修改:

  1. 添加空值检查:在获取batch_size和seq_length时,需要同时考虑input_ids和inputs_embeds两种情况
  2. 完善注意力掩码生成:当full_attention_mask为None时,需要正确处理各种边界情况

具体修改如下:

# 修改点1:添加空值检查
if input_ids is not None:
    batch_size, seq_length = input_ids.shape
else:
    batch_size, seq_length, _ = inputs_embeds.shape

# 修改点2:完善注意力掩码生成
if full_attention_mask is None:
    if (attention_mask is not None and not attention_mask.all()) or (past_key_values and seq_length != 1):
        fake_ids = torch.zeros(batch_size, seq_length, dtype=torch.long, device=inputs_embeds.device)
        full_attention_mask = self.get_masks(fake_ids, past_key_values, padding_mask=attention_mask)

方案二:使用Monkey Patching

对于不希望直接修改模型源码的情况,可以采用Monkey Patching的方式动态修改模型行为:

def patched_forward(self, *args, **kwargs):
    # 自定义前向传播逻辑
    ...

original_forward = ChatGLMModel.forward
ChatGLMModel.forward = patched_forward

最佳实践建议

  1. 版本控制:确保使用兼容的transformers和peft版本(如transformers 4.43.3)
  2. 数据类型检查:在微调代码中添加完善的输入验证逻辑
  3. 调试信息:在关键步骤添加调试输出,便于问题定位
  4. 异常处理:对可能出现的边界情况进行妥善处理

扩展思考

这个问题反映了大型语言模型微调过程中的一个常见挑战:当使用自定义模型架构时,如何确保与参数高效微调方法的兼容性。开发者需要:

  1. 深入理解模型的前向传播逻辑
  2. 掌握PEFT各适配器的工作原理
  3. 具备调试复杂模型交互问题的能力

通过解决此类问题,我们不仅能够完成特定模型的微调任务,还能积累处理类似兼容性问题的宝贵经验,为未来使用其他自定义模型打下坚实基础。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
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++
505
42
nop-entropynop-entropy
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
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
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (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
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
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
75
70