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 17:35:42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
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
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
923
551
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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
74
64
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8