首页
/ GLM-4 多模态模型微调中的标签缺失问题分析与解决方案

GLM-4 多模态模型微调中的标签缺失问题分析与解决方案

2025-06-03 10:23:30作者:裴麒琰

问题背景

在使用GLM-4多模态模型进行微调时,开发者可能会遇到一个常见的错误:在验证阶段出现KeyError: 'labels'异常。这个问题通常发生在使用自定义数据集对chatglm-4v-6b或chatglm-4v-9b模型进行微调的过程中,特别是在执行验证步骤时。

错误现象

从错误日志可以看出,问题发生在验证阶段,当程序尝试删除输入数据中的"labels"键时,发现该键不存在。具体表现为:

  1. 训练阶段可以正常进行
  2. 验证阶段抛出KeyError异常
  3. 错误指向prediction_step函数中的del inputs["labels"]操作

根本原因分析

经过深入分析,这个问题主要由以下几个因素导致:

  1. 数据集结构不一致:验证集和测试集的数据结构与训练集不一致,缺少必要的"labels"字段。从日志中可以看到,训练集包含'input_ids'、'attention_mask'、'position_ids'、'labels'和'images'字段,而验证集和测试集则用'output_ids'替代了'labels'。

  2. 数据处理流程问题:在GLM-4的微调代码中,prediction_step函数默认假设输入数据包含"labels"字段,但实际上验证集数据可能使用不同的字段名来存储目标输出。

  3. 字段命名规范不统一:模型期望使用"labels"字段作为监督信号,但数据预处理阶段可能生成了"output_ids"而非"labels"。

解决方案

针对这个问题,可以采取以下几种解决方案:

方案一:统一数据集字段命名

确保验证集和测试集也包含"labels"字段,而不是"output_ids"。这可以通过修改数据预处理代码实现:

# 在数据预处理阶段,确保所有数据集都包含labels字段
def preprocess_function(examples):
    # ...其他预处理逻辑...
    examples["labels"] = examples.pop("output_ids", examples.get("labels"))
    return examples

方案二:修改prediction_step逻辑

调整prediction_step方法,使其能够处理没有"labels"字段的情况:

def prediction_step(self, model, inputs, prediction_loss_only=False, ignore_keys=None):
    with torch.no_grad():
        if self.args.predict_with_generate:
            # 安全地移除labels字段(如果存在)
            inputs.pop("labels", None)
            # 保留原始逻辑...

方案三:自定义数据集类

创建一个自定义数据集类,在数据加载时自动处理字段名称差异:

class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data
    
    def __getitem__(self, idx):
        item = self.data[idx]
        # 确保返回的字典包含labels字段
        if "output_ids" in item and "labels" not in item:
            item["labels"] = item["output_ids"]
        return item
    
    def __len__(self):
        return len(self.data)

最佳实践建议

  1. 数据一致性检查:在开始训练前,检查训练集、验证集和测试集的字段是否一致。

  2. 字段映射文档:为项目维护一个字段映射文档,明确每个字段的用途和预期格式。

  3. 防御性编程:在处理输入数据时,使用dict.get()方法而不是直接访问键值,避免KeyError异常。

  4. 日志记录:在数据加载阶段添加日志记录,输出数据样本的字段信息,便于调试。

总结

GLM-4多模态模型微调过程中的标签缺失问题通常源于数据集结构不一致。通过统一字段命名、修改数据处理逻辑或实现自定义数据集类,可以有效解决这个问题。在实际应用中,建议采用防御性编程策略,并对数据进行充分验证,确保训练和评估阶段的数据格式一致。这些措施不仅能解决当前的标签缺失问题,还能提高代码的健壮性,为后续的模型开发和调试打下良好基础。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
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
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
398
371
Cangjie-ExamplesCangjie-Examples
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
332
1.08 K