LLaMA-Factory项目中Qwen2.5-VL模型微调时loss为0和grad_norm为NaN问题的分析与解决

问题背景

在LLaMA-Factory项目中使用Qwen2.5-VL-3B-Instruct模型进行微调时，部分用户遇到了训练过程中loss突然变为0且grad_norm显示为NaN的问题。这个问题通常伴随着PyTorch的警告信息："cuDNN SDPA backward got grad_output.strides() != output.strides()"，表明在反向传播过程中出现了张量步幅不匹配的情况。

问题表现

主要症状包括：

1. 训练初期loss突然降为0
2. grad_norm显示为NaN
3. 控制台输出PyTorch关于cuDNN SDPA的警告信息
4. 训练过程虽然可以继续，但模型无法有效学习

根本原因分析

经过社区多位开发者的测试和验证，这个问题主要由以下几个因素导致：

1. PyTorch版本问题：PyTorch 2.5.0版本存在已知的SDPA(缩放点积注意力)实现缺陷，会导致反向传播时张量步幅不匹配。

2. 注意力机制实现选择：默认使用的SDPA注意力实现在某些硬件配置下不稳定。

3. DeepSpeed配置：使用Zero-2优化策略时更容易出现此问题。

4. Flash Attention缺失：未正确安装或启用Flash Attention优化。

解决方案

1. 升级PyTorch版本

将PyTorch升级到2.5.1或更高版本可以解决大部分SDPA相关的问题：

pip install torch==2.5.1

2. 切换注意力实现方式

在配置文件中明确指定使用"eager"注意力而非默认的SDPA：

flash_attn: false  # 禁用Flash Attention

或者使用更稳定的Flash Attention 2实现：

flash_attn: fa2  # 使用Flash Attention 2

3. 调整DeepSpeed配置

将DeepSpeed配置从Zero-2改为Zero-3通常能解决grad_norm为NaN的问题：

deepspeed: examples/deepspeed/ds_z3_config.json

4. 正确安装Flash Attention

确保环境中正确安装了Flash Attention并进行编译：

pip install flash-attn --no-build-isolation

5. 检查数据格式

确保输入数据格式正确，特别是多模态数据：

{
    "messages": [
        {"content": "<image>xxx", "role": "user"},
        {"content": "xxx", "role": "assistant"}
    ],
    "images": ["xxx"]
}

预防措施

1. 环境一致性：使用与项目推荐版本一致的PyTorch、DeepSpeed和Flash Attention组合。

2. 逐步验证：先在小型数据集上测试训练流程，确认无误后再进行全量训练。

3. 监控指标：密切关注训练初期的loss和grad_norm变化，及时发现问题。

4. 日志记录：保留完整的训练日志，便于问题排查。

总结

Qwen2.5-VL模型微调过程中的loss为0和grad_norm为NaN问题通常与环境配置相关，特别是PyTorch版本和注意力实现方式的选择。通过升级PyTorch、调整注意力实现、优化DeepSpeed配置以及确保Flash Attention正确安装，可以有效解决这一问题。建议用户在开始大规模训练前，先进行小规模测试验证环境配置的正确性。