LLaMA-Factory项目训练中断恢复问题分析与解决方案
2025-05-01 14:32:11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:
- 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
- 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
- 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
-
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
-
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
-
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
-
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
- 定期保存检查点,减少中断带来的损失
- 保持训练环境的一致性,避免混合使用不同版本的库
- 对于关键训练任务,建议在开始前测试检查点恢复功能
- 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
- 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

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