Hacktoberfest 2026 : les issues que les mainteneurs ont marquées pour octobre, ouvertes et accessibles aux débutants. Parcourir les issues Hacktoberfest

kontext lora finetuning OOM

Ouverte
#1,439 1 commentaire 0 réactions 0 personnes assignées Voir sur GitHub

Les mainteneurs répondent en général sous 1 jour

Personne n'a encore pris cette issue.

Évaluation

Difficulté
4/5
Temps estimé
3-5 jours
Accessibilité débutants
35/100
Type d'issue
Bug
Clarté
À clarifier
Activité
Calme
Stack technique
python

Piste de recherche

Aucun fichier, test ou point d’entrée n’est indiqué. Commencez par localiser le workflow de fine-tuning de Kontext LoRA et reproduire l’échec de manque de mémoire sur une H20 avec la configuration signalée. Le travail est considéré comme terminé lorsqu’une configuration prise en charge ou une mesure d’atténuation confirmée a été identifiée, et qu’il est documenté que l’entraînement se termine sans OOM.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

在h20上,微调kontext lora出现oom,有方法可以解决吗

Langage dominant
Python
Étoiles
13.3k
Forks
1.3k
Merge moyen
1 j 16 h
PR mergées (30 j)
42

Préparer son environnement

Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de modelscope/DiffSynth-Studio

Toutes les issues de modelscope/DiffSynth-Studio

Issues similaires

Plus d'issues Python

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.