LLaVA项目本地模型转换为SGLang格式的技术指南
2025-05-09 00:34:38作者:裴麒琰
在LLaVA项目的实际应用中,用户经常需要将训练好的本地模型转换为SGLang格式以便部署使用。本文将详细介绍这一转换过程中的关键步骤和技术要点。
模型转换的核心步骤
-
模型类型修正
在config.json文件中,需要将"model_type"字段从"llava_lama"修改为"llava"。这一修改直接影响模型加载时的初始化逻辑。 -
目录结构调整
必须将模型文件夹重命名为"llava",否则会导致is_multimodal标志设置错误,进而导致服务器无法正常启动。 -
预处理器配置补充
训练脚本不会自动保存preprocessor_config.json文件,需要从官方模型仓库中获取并手动添加。 -
分词器配置完善
需要在tokenizer_config.json中添加两个关键字段:- "added_tokens_decoder"字典,补充图像token的定义
- "processor_class"字段,设置为"LlavaProcessor"
针对不同版本的特殊处理
对于v1.6版本模型
-
分词器选择
建议使用SGLang提供的HuggingFace分词器,而非本地保存的分词器。 -
配置参数调整
在config.json中需要修改以下参数:- "image_aspect_ratio": "pad" → "anyres"
- "mm_patch_merge_type": "flat" → "spatial_unpad"
- "_name_or_path": 必须包含精确的模型名称(如"llava-v1.6-34b")
对于v1.5版本模型
- 配置简化
只需调整"model_type"字段,并移除以下参数:- "mm_patch_merge_type"
- "mm_projector_lr"
常见问题解决
在转换过程中可能会遇到CUDA错误"device-side assert triggered",这通常是由于索引越界导致的。具体表现为类似"indexSelectLargeIndex: Assertion srcIndex < srcSelectDimSize
failed"的错误信息。
这类问题的解决方法包括:
- 确保所有配置参数正确无误
- 检查模型权重文件完整性
- 验证输入数据的维度匹配性
通过遵循上述步骤,用户可以成功将本地训练的LLaVA模型转换为SGLang兼容格式,实现高效的模型部署和应用。
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~044CommonUtilLibrary
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

🔥🔥🔥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

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

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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

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

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