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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI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。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









