Liger-Kernel项目中Qwen VL模型在Transformers 4.47.0版本上的兼容性问题分析
2025-06-10 05:49:18作者:滕妙奇
在Liger-Kernel深度学习框架的测试过程中,发现了一个与Qwen VL模型相关的兼容性问题。这个问题表现为当使用Transformers库4.47.0及以上版本时,模型的收敛性测试会失败,而在4.46.3版本下则能正常通过。
问题现象
测试人员在两种不同环境下运行了相同的测试用例:
- 在Transformers 4.47.0环境下,两个关于mini_qwen2_vl模型的测试用例均告失败
- 在Transformers 4.46.3环境下,所有测试用例都能顺利通过
值得注意的是,当测试人员将4.46.3版本的modeling_qwen2_vl.py文件直接复制到4.47.0环境的site-packages目录后,测试又能正常通过。这表明问题确实出在模型代码的变更上,而非其他因素。
问题影响范围
该问题不仅影响了多模态模型的收敛性测试,还影响了logits相关的测试。这意味着问题可能涉及模型的核心计算逻辑,而不仅仅是表面的兼容性问题。
技术分析
从现象来看,Transformers 4.47.0版本中对Qwen VL模型的实现进行了某些修改,这些修改导致了:
- 数值计算结果的差异(测试中出现了32个和21648个不匹配元素)
- 模型收敛行为的改变
考虑到深度学习模型对数值精度和计算顺序的敏感性,这种变化可能源于:
- 模型架构的细微调整
- 初始化方式的改变
- 计算流程的优化或重构
- 精度处理策略的变更
临时解决方案
项目团队已经采取了临时措施:
- 暂时禁用了新Transformers版本下的相关测试
- 通过PR#463进行了紧急修复
后续建议
对于遇到类似问题的开发者,建议:
- 暂时锁定Transformers版本为4.46.3
- 密切关注Transformers库的更新日志,特别是关于Qwen VL模型的变更说明
- 等待官方发布更详细的兼容性说明或修复方案
这个问题提醒我们,在深度学习框架升级时,需要特别关注模型实现的变更,并进行充分的回归测试,以确保模型行为的稳定性。
登录后查看全文
热门项目推荐
- 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
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

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

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
73
63

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

🎉 (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
922
551

飞桨多语言OCR工具包(实用超轻量OCR系统,支持80+种语言识别,提供数据标注与合成工具,支持服务器、移动端、嵌入式及IoT设备端的训练与部署)
Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
Python
47
1

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

React Native鸿蒙化仓库
C++
192
273

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
59
16