[Bug] Wan MeanFlow zero initialization causes degenerate gradients in r_embedder
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 78/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Inizia da fastgen/configs/experiments/WanT2V/config_mf.py e dal ramo di inizializzazione "zero" in fastgen/networks/Wan/network.py. Esegui la configurazione Wan MeanFlow e ispeziona i gradienti di r_embedder dopo il primo backward pass. Il lavoro è completato quando il percorso r inizialmente produce un output nullo senza lasciare i suoi hidden layer addestrabili con gradienti nulli degenerati.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Description
In fastgen/configs/experiments/WanT2V/config_mf.py, the Wan MeanFlow model uses:
config.model.net.r_embedder_init = "zero"
This triggers the following code in fastgen/networks/Wan/network.py:
elif embedder_init == "zero":
for param in embedder.parameters():
param.data.zero_()
This sets every parameter of the multi-layer r_embedder to zero. As a result, several weight tensors receive zero gradients because of the zero symmetry (only some bias parameters may update). The r-conditioning pathway therefore remains effectively inactive and is difficult to learn.
Reproduction
Run the Wan MeanFlow configuration and inspect the gradients of model.net.transformer.r_embedder after the first backward pass.
The weights of layers such as time_embedder.linear_1 and time_embedder.linear_2.weight remain zero or receive zero gradients.
Expected behavior
The r pathway should initially produce zero output without initializing all of its trainable layers to zero.
Suggested fix
The existing "random" branch appears to implement the intended behavior: it randomly initializes the hidden layers and zero-initializes only the output projections.
Could the "zero" branch be changed to use this initialization strategy, or could the configuration be changed to:
config.model.net.r_embedder_init = "random"
?
- Lingua principale
- Python
- Stelle
- 1.1k
- Fork
- 89
- Merge medio
- 10h 58m
- PR unite (30g)
- 1
Preparare l'ambiente
- Include un Dockerfile o un file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di NVlabs/FastGen
-
Support for OPSD-VAperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
-
Support for Helios series?Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
Tutte le issue di NVlabs/FastGen
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
microsoft/markitdown#2820 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
yt-project/yt#5624 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
NousResearch/hermes-agent#148376 ·
I maintainer di solito rispondono entro 1 giorno