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:
- 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
相关项目推荐
ERNIE-4.5-VL-424B-A47B-Paddle
ERNIE-4.5-VL-424B-A47B 是百度推出的多模态MoE大模型,支持文本与视觉理解,总参数量424B,激活参数量47B。基于异构混合专家架构,融合跨模态预训练与高效推理优化,具备强大的图文生成、推理和问答能力。适用于复杂多模态任务场景。00pangu-pro-moe
盘古 Pro MoE (72B-A16B):昇腾原生的分组混合专家模型014kornia
🐍 空间人工智能的几何计算机视觉库Python00GitCode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。00
热门内容推荐
1 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 6 freeCodeCamp博客页面工作坊中的断言方法优化建议7 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析8 freeCodeCamp论坛排行榜项目中的错误日志规范要求9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp课程视频测验中的Tab键导航问题解析
最新内容推荐
TestProf工厂分析工具FactoryProf新增特性追踪功能解析 KeePassXC浏览器扩展中单字段自动填充的解决方案 Zeego项目在Expo SDK 52及新架构下的适配指南 Python文档开发指南:如何高效地仅重建部分文档文件 Django项目文档翻译模板更新机制解析 解决create-chrome-ext项目中Vite开发模式频繁刷新的问题 OpenDTU与HMS逆变器通信稳定性问题分析与解决方案 OneAPI项目PostgreSQL用户搜索功能问题分析与修复 Cocotb项目对Verilator v5.026+版本的支持优化 Low-Cost-Mocap项目中的串口权限问题解决方案
项目优选
收起

🔥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

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)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

React Native鸿蒙化仓库
C++
110
195

openGauss kernel ~ openGauss is an open source relational database management system
C++
58
139

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
365
37

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

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

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

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