01-ai/Yi项目微调过程中Loss Scale问题的分析与解决
问题背景
在使用01-ai/Yi项目进行模型微调时,部分用户遇到了"loss scale overflow"问题,特别是在Yi-6B基础模型上表现尤为明显,而Yi-6B-Chat版本则相对稳定。该问题表现为训练过程中不断出现loss scale溢出的警告信息,最终导致训练失败并报错"Current loss scale already at minimum - cannot decrease scale anymore. Exiting run"。
技术原理分析
这个问题本质上与混合精度训练中的梯度缩放机制有关。在混合精度训练中,为了保持数值稳定性,通常会使用动态loss scaling技术。当梯度值过大时,系统会自动降低loss scale;反之则会适当提高。当梯度持续过大时,loss scale会不断降低直至达到预设的最小值,此时系统会判定训练无法继续而终止。
问题根源探究
经过深入分析,发现该问题的核心原因在于Yi-6B基础模型的embedding层中某些特殊token(如<|im_start|>和<|im_end|>)的向量初始化值异常小。这些token在基础模型训练阶段未被充分训练,导致其对应的embedding向量数值范围与其他token差异较大。
在微调过程中,这些异常小的向量值会导致梯度计算出现数值不稳定,进而引发loss scale的持续降低。相比之下,Chat版本模型由于已经经过对话数据的微调,这些特殊token的embedding向量已经得到了适当调整,因此不会出现同样的问题。
解决方案
针对这一问题,可以采取以下几种解决方案:
-
重新初始化特殊token的embedding向量:手动调整这些特殊token对应的embedding向量值,使其与其他token保持相近的数值范围。
-
禁用混合精度训练:在DeepSpeed配置中将fp16设置为False,改用fp32精度进行训练。虽然这会增加显存消耗和计算开销,但能有效避免数值不稳定问题。
-
调整训练参数:适当降低学习率或使用梯度裁剪技术,控制梯度更新的幅度。
-
使用预训练的Chat模型:如果任务允许,直接使用已经调优过的Chat版本模型进行微调。
实践建议
对于使用V100等计算硬件的用户,如果显存允许,建议优先考虑方案2(禁用混合精度)。虽然这会降低训练速度,但能保证训练稳定性。如果必须使用混合精度训练,则应仔细检查并调整特殊token的embedding初始化值。
此外,在模型微调前,建议先对embedding层的数值分布进行简单分析,特别关注那些新增或特殊用途的token,确保它们的初始化值处于合理范围内。这可以有效预防类似问题的发生。
总结
数值稳定性是深度学习训练中的关键问题,特别是在大模型微调场景下。通过理解loss scale机制的工作原理,并针对性地调整模型参数和训练配置,可以有效解决这类问题,确保训练过程的顺利进行。
- 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









