ChatGLM3单机多卡LoRA微调常见问题与解决方案
2025-05-16 04:38:06作者:曹令琨Iris
概述
在使用ChatGLM3进行单机多卡LoRA微调时,开发者可能会遇到一些典型的技术问题。本文将详细分析这些问题并提供解决方案,帮助开发者顺利完成模型微调任务。
常见问题分析
1. DeepSpeed配置缺失问题
当使用官方提供的多卡运行命令时,系统可能会提示缺少DeepSpeed选项。这是因为DeepSpeed配置路径需要设置为绝对路径才能被正确识别。
解决方案:
- 确保在配置文件中将DeepSpeed相关配置改为绝对路径
- 检查DeepSpeed是否已正确安装
2. 运行时参数重复标记错误
在多卡训练过程中,可能会遇到"Expected to mark a variable ready only once"的运行时错误。这种错误通常由以下原因导致:
- 在forward函数外使用了模块参数
- 在多个重入反向传递中重复使用参数
- 同一参数被多次标记为就绪状态
错误示例:
RuntimeError: Expected to mark a variable ready only once...
Parameter at index 55 with name base_model.model.transformer.encoder.layers.27.self_attention.query_key_value.lora_B.default.weight has been marked as ready twice.
解决方案
1. 单卡运行方案
对于只想使用单卡运行的用户,可以使用以下命令格式:
CUDA_VISIBLE_DEVICES=1 python finetune_hf.py data/AdvertiseGen_fix /path/to/chatglm3-6b configs/ptuning_v2.yaml
2. 多卡运行正确配置
要实现单机多卡LoRA微调,推荐使用以下命令格式:
OMP_NUM_THREADS=1 torchrun --standalone --nnodes=1 --nproc_per_node=8 finetune_hf.py data/AdvertiseGen_fix /path/to/chatglm3-6b configs/sft.yaml configs/ds_zero_3.json
关键参数说明:
--nproc_per_node=8
:指定使用的GPU数量OMP_NUM_THREADS=1
:设置OpenMP线程数以优化性能- 确保DeepSpeed配置文件(
ds_zero_3.json
)使用绝对路径
3. 静态图设置解决方案
对于参数重复标记的问题,可以尝试以下方法:
- 检查模型代码,确保所有参数使用都在forward函数内
- 避免在多个checkpoint函数中重复使用相同参数
- 考虑使用
_set_static_graph()
作为临时解决方案(如果模型图在训练循环中不变)
最佳实践建议
-
环境检查:
- 确认CUDA环境配置正确
- 检查DeepSpeed和PyTorch版本兼容性
- 确保所有依赖库已正确安装
-
路径配置:
- 所有配置文件都应使用绝对路径
- 检查数据路径和模型路径的访问权限
-
资源分配:
- 根据GPU显存大小合理设置batch size
- 监控GPU使用情况,避免显存溢出
-
调试技巧:
- 先使用单卡模式验证脚本正确性
- 逐步增加GPU数量进行测试
- 查看日志文件定位具体错误位置
总结
ChatGLM3的LoRA微调在多卡环境下可能会遇到配置和运行时问题,通过正确设置DeepSpeed路径、合理分配计算资源以及遵循参数使用规范,可以有效解决这些问题。建议开发者先进行小规模测试,确认配置无误后再进行大规模训练,以提高开发效率和资源利用率。
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~043CommonUtilLibrary
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!C0300- 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
261

🎉 (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
860
511

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
259
300

🔥🔥🔥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
332
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
398
371

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
22
5