首页
/ Torchchat项目在MPS设备上运行Executorch模型的问题分析

Torchchat项目在MPS设备上运行Executorch模型的问题分析

2025-06-20 19:21:21作者:魏侃纯Zoe

问题背景

在Torchchat项目中,当尝试在配备Apple Silicon芯片的Mac设备上运行stories15M模型时,系统默认会使用Metal Performance Shaders(MPS)作为计算后端。然而,在执行过程中出现了Executorch内部检查失败的问题,导致程序崩溃。

错误现象

用户在执行模型导出和生成命令时,遇到了以下关键错误信息:

  1. 嵌入层索引越界错误:indices_ptr[0] 144115196571280365 >= weight.size(0) 32000
  2. Executorch内核调用失败:KernelCall failed at instruction 0:0 in operator aten::embedding.out
  3. 最终抛出运行时错误:method->execute() failed with error 0x12

根本原因

经过分析,这个问题源于Executorch在MPS后端上的兼容性问题。具体表现为:

  1. 当使用MPS设备时,嵌入层(embedding)操作无法正确处理输入token的索引值
  2. 索引值异常增大,远超过了词表大小(32000),导致越界访问
  3. Executorch的运行时检查机制捕获到这个非法操作并终止了程序执行

解决方案

针对这个问题,项目团队提出了以下解决方案:

  1. 强制指定使用CPU设备运行模型,绕过MPS后端的兼容性问题
  2. 通过添加--device cpu参数,可以确保模型在CPU上正常运行
  3. 这个解决方案虽然简单有效,但可能会牺牲一些在Apple Silicon设备上的性能优势

技术启示

这个案例为我们提供了几个重要的技术启示:

  1. 跨平台兼容性:在支持多种硬件后端时,必须充分考虑各后端的特性和限制
  2. 错误处理机制:完善的错误检查和验证机制可以及早发现问题,避免更严重的后果
  3. 性能与兼容性的权衡:有时为了确保功能正常,需要在性能上做出妥协

未来改进方向

虽然当前问题已有临时解决方案,但从长远来看,可以考虑以下改进:

  1. 深入分析MPS后端在Executorch中的具体兼容性问题
  2. 与PyTorch团队合作,完善MPS后端的支持
  3. 为不同硬件后端提供自动检测和回退机制,提升用户体验

这个问题展示了深度学习框架在跨平台支持过程中可能遇到的挑战,也为开发者提供了宝贵的实践经验。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
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
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
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
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
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519
CangjieCommunityCangjieCommunity
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
1.11 K
0