[Bug]: LoRA微调时报错：--deepspeed: invalid dict value
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- bash, python, pytorch
- Ambito
- machine-learning
Direzione di ricerca
Inizia leggendo finetune/lora_finetune_ocnli.sh e finetune.py, quindi esamina il percorso referenziato configs/ds_config_zero3_offload.json e il modo in cui viene analizzato --deepspeed. Esegui nuovamente il comando documentato dalla directory finetune e conferma che il processo di fine-tuning LoRA si avvii senza l'errore relativo a un valore dict non valido.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Is there an existing issue ? / 是否已有相关的 issue ?
- I have searched, and there is no existing issue. / 我已经搜索过了，没有相关的 issue。
Describe the bug / 描述这个 bug
我运行LoRA微调命令：bash ./lora_finetune_ocnli.sh，报错：
finetune.py: error: argument --deepspeed: invalid dict value: 'configs/ds_config_zero3_offload.json'
To Reproduce / 如何复现
复现步骤：
cd MiniCPM/finetune
conda activate cpm # cpm是我为MiniCPM创建的虚拟环境
# 我已经运行此目录下pip install -r requirements.txt
bash ./lora_finetune_ocnli.sh
报如下错误：
finetune.py: error: argument --deepspeed: invalid dict value: 'configs/ds_config_zero3_offload.json'
注：我看了funetune.py文件，里面没有定义--deepspeed命令行参数。
Expected behavior / 期望的结果
可以正确启动LoRA微调过程
Screenshots / 截图
Environment / 环境
- OS: [Ubuntu 22.04]
- Pytorch: [torch 2.7.1-cu126]
- CUDA: [CUDA 12.4]
- Device: [ A100 40G 4块]
Additional context / 其他信息
No response
- Lingua principale
- Jupyter Notebook
- Stelle
- 11.6k
- Fork
- 805
- Merge medio
- 6m
- PR unite (30g)
- 1
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
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 OpenBMB/MiniCPM
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 15/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 55/100
-
feature
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 62/100
Tutte le issue di OpenBMB/MiniCPM
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
mlr-org/mlr3cmprsk#42 ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
Needs Triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
scikit-learn/scikit-learn#35160 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
kohya-ss/sd-scripts#2457 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: [PyOV] from_torchvision fails with a torch.Tensor input_example on NumPy 2Forse già presa @Somay-kousis l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
openvinotoolkit/openvino#38937 ·
I maintainer di solito rispondono entro 2 giorni