首页
/ ChatGLM3多卡微调中的Tensor JSON序列化问题解决方案

ChatGLM3多卡微调中的Tensor JSON序列化问题解决方案

2025-05-16 07:29:53作者:冯爽妲Honey

问题背景

在使用ChatGLM3进行多卡微调训练时,许多开发者遇到了一个常见的技术问题:当训练过程中尝试保存检查点(checkpoint)时,系统会抛出"TypeError: Object of type Tensor is not JSON serializable"的错误。这个问题通常出现在使用多GPU进行LoRA微调的场景下,特别是在第一个检查点保存完成后继续训练时。

错误现象分析

该问题的典型表现是:

  1. 训练过程可以正常启动并运行初始阶段
  2. 在达到第一个检查点保存步数时,系统能够成功保存临时检查点文件(如tmp-checkpoint-500)
  3. 但在保存完成后继续训练时,程序会崩溃并报错
  4. 错误信息明确指出Tensor对象无法被JSON序列化

根本原因

经过技术分析,发现这个问题与DeepSpeed库的版本兼容性有关。在较新版本的DeepSpeed(如0.14.0)中,某些内部数据结构处理方式发生了变化,导致在多卡训练环境下保存模型状态时,尝试将Tensor对象直接序列化为JSON格式时失败。

解决方案

解决这个问题的有效方法是降级DeepSpeed到0.13.1版本。具体操作步骤如下:

  1. 首先卸载当前安装的DeepSpeed版本:

    pip uninstall deepspeed
    
  2. 安装指定版本的DeepSpeed:

    pip install deepspeed==0.13.1
    
  3. 确保其他相关依赖也符合要求:

    • transformers >= 4.36.2
    • torch >= 2.1.1
    • peft >= 0.6.2

完整微调命令

在正确配置环境后,可以使用以下命令启动多卡微调:

OMP_NUM_THREADS=1 torchrun --standalone --nnodes=1 --nproc_per_node=2 finetune_hf.py data/fix/ /path/to/chatglm3-6b configs/lora_multiple.yaml

重要提示:需要确保在lora配置文件中(deepspeed部分)已经取消注释,以便正确启用DeepSpeed优化。

技术建议

  1. 版本控制:在深度学习项目中,特别是涉及多卡训练时,保持各组件版本的兼容性非常重要。建议使用虚拟环境管理不同项目的依赖。

  2. 检查点验证:在训练开始前,可以尝试手动保存一个检查点来验证序列化功能是否正常。

  3. 日志监控:训练过程中密切关注日志输出,特别是在接近检查点保存步数时的系统状态。

  4. 硬件适配:虽然本文案例使用的是3090显卡,但解决方案同样适用于其他NVIDIA显卡,如4090等。

总结

多卡微调是训练大语言模型的重要手段,而版本兼容性问题常常是阻碍训练顺利进行的绊脚石。通过合理控制DeepSpeed版本,开发者可以避免Tensor JSON序列化问题,确保ChatGLM3模型在多卡环境下稳定训练。这一经验也提醒我们,在深度学习工程实践中,组件版本管理是需要特别关注的技术细节。

登录后查看全文
热门项目推荐

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