ChatGLM3微调过程中的常见问题及解决方案
问题背景
在使用ChatGLM3进行p-tuning-v2微调时,许多开发者遇到了相似的错误。这些错误主要与环境配置和库版本兼容性有关,特别是transformers库的版本问题。本文将详细分析这些问题的根源,并提供有效的解决方案。
主要错误现象
在微调过程中,开发者通常会遇到以下两类典型错误:
-
BatchEncoding转换错误:表现为
BatchEncoding.to() got an unexpected keyword argument 'non_blocking',最终导致'NoneType' object has no attribute 'to'错误。 -
TrainerState初始化错误:表现为
TrainerState.__init__() got an unexpected keyword argument 'stateful_callbacks',通常发生在尝试从检查点恢复训练时。
问题原因分析
BatchEncoding转换错误
这个问题的根本原因是transformers库版本过高(如4.41.1)与ChatGLM3微调代码不兼容。新版本的transformers对BatchEncoding类的处理方式发生了变化,导致在设备转换时出现参数不匹配的问题。
TrainerState初始化错误
这个问题同样源于版本不兼容,当transformers库版本降得过低时(如4.40.0),虽然解决了第一个问题,但又会导致新的API不兼容问题。这是因为不同版本的transformers对TrainerState类的初始化参数要求不同。
解决方案
针对BatchEncoding转换错误
推荐方案:将transformers库版本降级到4.40.0版本。这个版本经过验证能够解决BatchEncoding相关的转换问题,同时保持较好的稳定性。
安装命令:
pip install transformers==4.40.0
针对TrainerState初始化错误
如果降级到4.40.0后出现TrainerState初始化错误,可以考虑以下两种方案:
-
使用中间版本:尝试使用transformers 4.40.1或4.40.2版本,这些版本可能同时解决了两个问题。
-
修改微调代码:如果必须使用特定版本,可以修改微调代码中与TrainerState相关的部分,移除stateful_callbacks参数。
环境配置建议
为了获得最佳的微调体验,建议建立如下的Python环境配置:
- Python版本:3.8-3.10(3.11可能存在兼容性问题)
- PyTorch版本:与CUDA版本匹配的稳定版本
- Transformers版本:4.40.0-4.40.2
- CUDA版本:根据显卡选择11.7或11.8
其他注意事项
-
硬件资源:虽然Colab Pro提供了较好的硬件资源,但仍需注意显存限制。对于ChatGLM3-6B模型,建议至少有24GB显存进行微调。
-
数据预处理:确保输入数据格式正确,特别是当使用自定义数据集时,要遵循ChatGLM3要求的格式。
-
日志监控:训练过程中密切关注日志输出,特别是loss变化情况,这有助于早期发现问题。
总结
ChatGLM3微调过程中的常见问题多源于环境配置不当,特别是transformers库的版本问题。通过合理控制库版本和环境配置,大多数问题都能得到有效解决。建议开发者在开始微调前,先建立一个干净的环境,并严格按照推荐的版本进行配置,这样可以避免许多不必要的问题。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00