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。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-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。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









