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 17:58:29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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5