OpenBMB/OmniLMM项目中MiniCPM-V-2_6模型的INT4量化问题解析
在OpenBMB/OmniLMM项目中,用户在使用MiniCPM-V-2_6模型进行INT4量化时遇到了一些技术问题。本文将深入分析这些问题的根源,并提供解决方案。
问题现象
当用户尝试对MiniCPM-V-2_6模型进行INT4量化时,出现了概率张量包含非法值的错误。具体表现为在调用torch.multinomial函数时,系统报告概率张量中包含了inf、nan或小于0的元素。这种错误通常会导致模型推理过程中断。
问题原因分析
经过技术社区的多方验证,发现这个问题主要由以下几个因素导致:
-
Torch版本不兼容:部分用户的环境中使用的是torch 2.1.0版本,而该版本与量化过程存在兼容性问题。升级到torch 2.1.2版本后问题得到解决。
-
环境配置冲突:有用户反映在配置vllm环境后出现了这个问题,说明可能存在某些库之间的版本冲突。重新安装requirements.txt中的依赖可以恢复正常的运行环境。
-
量化方法支持:值得注意的是,vllm目前不支持bitsandbytes量化类型,这可能导致部分用户在使用vllm进行推理时遇到障碍。
解决方案
针对上述问题,我们建议采取以下解决方案:
-
升级Torch版本:将PyTorch升级到2.1.2或更高版本,这可以解决概率张量异常的问题。
-
重建干净环境:如果问题仍然存在,建议创建一个新的虚拟环境,并严格按照项目提供的requirements.txt文件安装所有依赖。
-
选择合适的量化方法:如果需要使用vllm进行推理,应考虑使用其支持的量化方法,如AWQ、GPTQ等,而不是bitsandbytes。
技术建议
对于希望在OpenBMB/OmniLMM项目中使用量化模型的开发者,我们提供以下建议:
-
在进行量化操作前,务必检查所有关键库的版本兼容性,特别是PyTorch和相关量化库。
-
对于生产环境,建议先在测试环境中验证量化模型的效果和性能,确保没有类似的问题。
-
关注项目官方文档和更新,及时了解最新的量化方法支持和最佳实践。
通过以上分析和建议,希望能帮助开发者顺利地在OpenBMB/OmniLMM项目中使用MiniCPM-V-2_6模型的INT4量化功能,充分发挥量化模型在推理效率和资源占用方面的优势。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









