首页
/ Liger-Kernel v0.5.6版本发布:多模态支持与训练优化全面升级

Liger-Kernel v0.5.6版本发布:多模态支持与训练优化全面升级

2025-06-11 21:38:16作者:何将鹤

Liger-Kernel是一个专注于深度学习模型训练优化的开源框架,特别针对大规模语言模型和多模态模型的训练进行了深度优化。最新发布的v0.5.6版本带来了多项重要更新,包括对Paligemma多模态模型的支持、Dynamic Tanh(DyT)训练技术的引入、XPU设备优化以及Llava视觉语言模型的集成等。

多模态模型支持扩展

本次更新最显著的特点是加强了对多模态模型的支持。Paligemma作为一种结合视觉和语言能力的多模态模型,现在可以在Liger-Kernel中无缝运行。开发团队特别处理了Paligemma 1与Gemma 1语言模型的兼容性问题,确保了模型结构的正确加载和训练。

同时,Llava视觉语言模型也被集成到框架中。Llava能够处理图像和文本的联合输入,实现跨模态的理解和生成。团队修复了Llava在反向传播测试中的问题,使其训练过程更加稳定可靠。

训练技术与优化改进

v0.5.6版本引入了Dynamic Tanh(DyT)训练技术,这是一种动态调整激活函数范围的技术,能够根据训练过程中的数据分布自动优化tanh激活函数的输出范围,提升模型训练的稳定性和收敛速度。

在损失函数方面,团队对GRPO(Generalized Reinforcement Policy Optimization)进行了重要修正,使其与TRL(Transformer Reinforcement Learning)框架保持一致。这包括损失计算的修正、测试精度的提升以及指标计算的规范化,使强化学习训练更加准确可靠。

针对分块损失计算(chunked loss),团队改进了教师模型和学生模型对数形状的对齐方式,确保知识蒸馏过程中信息传递的准确性。此外,还修正了log_target计算中的条件判断问题,提升了损失计算的精确度。

硬件支持与性能优化

本次更新加强了对XPU设备的支持,包括在交叉熵损失(CE)和FLJSD(Focal Length Jensen-Shannon Divergence)计算中加入了XPU调优选项。这使得Liger-Kernel能够在更多类型的硬件设备上高效运行。

为了提升在AMD硬件上的兼容性,团队调整了测试环境,使用ROCm 6.3版本,并修改了容错参数(tolerance),确保框架能够在AMD平台上稳定运行。

框架稳定性与易用性改进

在框架稳定性方面,修复了当monkey_patch应用于已实例化模型时模块名称不正确的问题,提升了代码的健壮性。同时,团队还优化了损失工具(loss_utils),为重写lce_forward方法提供了更好的支持。

文档方面也进行了多项更新,包括README文件的修订和Star History URL的更新,使新用户能够更快上手使用框架。

总结

Liger-Kernel v0.5.6版本在多模态支持、训练技术优化和硬件兼容性方面都取得了显著进展。这些改进不仅扩展了框架的应用范围,也提升了训练效率和稳定性,为研究人员和开发者提供了更强大的工具来探索前沿的深度学习模型。特别是对Paligemma和Llava等多模态模型的支持,为跨模态学习和应用开辟了新的可能性。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
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++
192
273
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
923
551
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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)。
Jupyter Notebook
74
64
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8