首页
/ LLaMA-Factory项目训练中断恢复问题分析与解决方案

LLaMA-Factory项目训练中断恢复问题分析与解决方案

2025-05-01 00:47:07作者:裘晴惠Vivianne

问题背景

在使用LLaMA-Factory进行监督微调(SFT)训练时,当训练过程中断后尝试从检查点(checkpoint)恢复训练时,系统会抛出与PyTorch权重加载相关的错误。该问题表现为无法正确加载训练状态,导致恢复训练失败。

错误现象

系统会抛出以下关键错误信息:

_pickle.UnpicklingError: Weights only load failed...
Unsupported global: GLOBAL numpy.ndarray was not an allowed global by default...

该错误表明PyTorch在尝试以安全模式(weights_only=True)加载检查点文件时,遇到了不被允许的全局对象numpy.ndarray。

问题根源

经过分析,该问题与以下几个因素相关:

  1. PyTorch版本的安全加载机制:新版本PyTorch(2.4+)默认启用了更严格的权重加载安全检查
  2. Transformers库与PyTorch的兼容性问题:某些训练状态保存的格式不符合PyTorch的安全加载要求
  3. NumPy数组的序列化问题:检查点中包含了NumPy数组,但未被显式允许

解决方案

临时解决方案

  1. 降级PyTorch版本:可以尝试降级到PyTorch 2.4或更早版本

    • 但测试表明,即使在PyTorch 2.4.1下问题仍然存在
  2. 修改加载方式:在信任检查点来源的情况下,可以修改代码以非安全模式加载权重

    • 需要修改Transformers库中的相关代码

推荐解决方案

  1. 更新Transformers库:安装包含相关修复的最新版Transformers

    • 该修复专门处理了训练状态恢复时的安全加载问题
  2. 等待官方更新:LLaMA-Factory项目可能会在后续版本中集成更完善的恢复机制

技术细节

当使用PyTorch的torch.load函数加载检查点时,新版本默认启用了weights_only=True参数,这会导致:

  • 只允许加载基本Python类型和特定允许的类
  • NumPy数组等常见科学计算类型默认不被允许
  • 需要显式调用torch.serialization.add_safe_globals添加信任的类型

最佳实践建议

  1. 定期保存检查点,减少中断带来的损失
  2. 保持训练环境的一致性,避免混合使用不同版本的库
  3. 对于关键训练任务,建议在开始前测试检查点恢复功能
  4. 考虑使用更稳定的训练环境配置

总结

LLaMA-Factory项目中的训练恢复问题反映了深度学习训练框架间兼容性的复杂性。通过理解问题本质并采取适当的解决方案,用户可以有效地恢复中断的训练过程,确保模型训练的连续性。建议用户关注项目更新,及时获取最新的修复和改进。

登录后查看全文

项目优选

收起
leetcodeleetcode
🔥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
51
14
Cangjie-ExamplesCangjie-Examples
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
290
835
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
485
388
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
110
195
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
58
139
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
365
37
cjoycjoy
一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
60
7
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
977
0
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
96
250
CangjieMagicCangjieMagic
基于仓颉编程语言构建的 LLM Agent 开发框架,其主要特点包括:Agent DSL、支持 MCP 协议,支持模块化调用,支持任务智能规划。
Cangjie
578
41