首页
/ ChatGLM3微调后推理时NotImplementedError问题分析与解决方案

ChatGLM3微调后推理时NotImplementedError问题分析与解决方案

2025-05-16 08:49:32作者:冯梦姬Eddie

问题背景

在使用ChatGLM3进行LoRA微调后,许多开发者在尝试运行推理脚本时遇到了NotImplementedError异常。这个问题主要出现在加载微调后的模型进行推理时,系统提示set_input_embeddings方法未实现。本文将深入分析该问题的成因,并提供多种可行的解决方案。

问题现象

当开发者使用finetune_demo/finetune_hf.py完成LoRA微调后,运行finetune_demo/inference_hf.py进行推理时,会遇到以下错误链:

  1. 首先尝试加载微调后的模型
  2. 系统自动调用resize_token_embeddings方法
  3. 该方法内部尝试调用set_input_embeddings
  4. 最终抛出NotImplementedError异常

根本原因分析

经过深入分析,这个问题由多个因素共同导致:

  1. Peft库的自动调整机制:Peft库在加载适配器模型时,会自动检查并尝试调整token嵌入层的大小,以确保与tokenizer的词汇表大小匹配。

  2. ChatGLM模型实现特殊性:ChatGLM模型没有实现标准的set_input_embeddings方法,而是使用了自定义的嵌入层实现方式。

  3. 版本兼容性问题:不同版本的transformers和peft库在处理这类特殊模型时行为不一致,导致部分开发者能复现问题而部分不能。

  4. 词汇表大小变化:微调过程中,tokenizer的词汇表大小可能会发生变化(从65024变为64798),触发了嵌入层调整的需求。

解决方案

方案一:修改Peft库源代码

  1. 找到peft/auto.py文件(通常在Python环境的site-packages/peft目录下)
  2. 修改约124行处的tokenizer加载代码,添加trust_remote_code参数传递:
# 修改前
tokenizer = AutoTokenizer.from_pretrained(pretrained_model_name_or_path)

# 修改后
tokenizer = AutoTokenizer.from_pretrained(pretrained_model_name_or_path, **kwargs)
  1. 同时可以注释掉resize_token_embeddings的调用(约126行)

方案二:为ChatGLM模型添加缺失方法

在ChatGLM3的模型实现文件(通常是modeling_chatglm.py)中,为ChatGLMModel类添加以下方法:

def set_input_embeddings(self, value):
    self.embedding.word_embeddings = value

方案三:使用特定版本组合

经过验证,以下库版本组合可以避免此问题:

  • peft==0.8.1
  • transformers==4.32.1

可以通过以下命令安装特定版本:

pip install peft==0.8.1 transformers==4.32.1

技术细节解析

为什么会出现词汇表大小变化?

虽然tokenizer.model文件没有变化,但微调过程中可能会对特殊token进行处理,导致实际使用的词汇表大小发生变化。这是正常现象,不会影响模型的核心功能。

为什么部分开发者无法复现?

这主要与以下因素有关:

  1. 使用的transformers和peft库版本不同
  2. 是否对模型代码进行过自定义修改
  3. 微调时使用的具体参数和数据集

最佳实践建议

  1. 版本控制:建立明确的依赖版本控制,推荐使用requirements.txt或conda环境文件。

  2. 模型检查:微调后检查adapter_config.json中的base_model_name_or_path是否正确指向原始模型。

  3. 逐步验证:先验证原始模型的加载和推理,再测试微调后的模型。

  4. 错误处理:在推理脚本中添加适当的错误处理和日志记录,便于问题定位。

总结

ChatGLM3微调后推理出现的NotImplementedError问题,本质上是由于模型特殊实现与Peft库标准流程之间的兼容性问题。通过本文提供的多种解决方案,开发者可以根据自己的实际情况选择最适合的方法。随着ChatGLM3和Peft库的持续更新,这个问题可能会在未来的版本中得到官方解决。在此之前,理解问题本质并掌握解决方案将有助于开发者更顺畅地使用ChatGLM3进行微调和部署。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
260
RuoYi-Vue3RuoYi-Vue3
🎉 (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
854
505
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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
254
295
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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
Cangjie-ExamplesCangjie-Examples
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
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
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
397
370
note-gennote-gen
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
CangjieCommunityCangjieCommunity
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
kernelkernel
deepin linux kernel
C
21
5