QwenLM/Qwen项目单机多卡微调1.8B模型卡住问题分析与解决方案

问题背景

在使用QwenLM/Qwen项目进行1.8B参数模型的微调时，用户遇到了单机多卡训练初始化阶段卡住的问题。具体表现为运行finetune_lora_ds.sh脚本后，程序在分布式初始化阶段停滞不前，最终出现"Socket Timeout"错误。

问题现象分析

当用户尝试在单台配备8块NVIDIA 4090显卡的服务器上运行微调脚本时，程序在初始化阶段就出现了停滞。从日志中可以看到，系统首先发出了关于OMP_NUM_THREADS的警告信息，随后便不再有任何输出。经过长时间等待后，最终抛出RuntimeError: Socket Timeout错误。

根本原因

经过深入分析，这个问题主要由以下几个因素导致：

1. 分布式配置错误：用户脚本中设置的NNODES=3与实际单机环境不符，导致多节点通信初始化失败。

2. NCCL通信问题：在某些硬件环境下，NCCL的P2P通信可能会出现问题，导致多卡之间的通信失败。

3. CUDA设备可见性：未明确指定使用的GPU设备，可能导致设备分配混乱。

解决方案

针对上述问题，我们推荐以下解决方案：

1. 调整分布式配置参数：

   • 将NNODES设置为1（单机环境）
   • 正确设置GPUS_PER_NODE为实际使用的显卡数量

2. 优化NCCL通信设置：

   • 在极端情况下，可以临时使用NCCL_P2P_DISABLE="1"和NCCL_IB_DISABLE="1"来禁用特定的通信方式
   • 注意：这可能会影响训练性能，仅作为临时解决方案

3. 明确指定GPU设备：

   • 使用CUDA_VISIBLE_DEVICES环境变量明确指定要使用的GPU设备编号
   • 例如：CUDA_VISIBLE_DEVICES=0,1,2,3

最佳实践建议

为了避免类似问题，我们建议用户在配置多卡训练时：

1. 确保分布式配置与实际硬件环境匹配
2. 在脚本中添加调试信息，如打印分布式配置参数
3. 逐步增加显卡数量进行测试，而不是一开始就使用全部显卡
4. 监控NCCL通信状态，及时发现潜在的通信问题

性能优化提示

虽然禁用NCCL的某些功能可以解决初始化问题，但这会影响训练性能。对于追求最佳性能的用户，我们建议：

1. 检查NCCL版本是否与CUDA版本兼容
2. 确保服务器硬件（如网卡）支持高效的GPU间通信
3. 考虑使用更高效的通信后端（如在某些环境下，Gloo可能比NCCL更稳定）

通过以上措施，用户应该能够顺利地在单机多卡环境下进行Qwen-1.8B模型的微调工作。