Fine-tune descriptor mismatch warning should ignore seed
I maintainer di solito rispondono entro 4 giorni
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 1/5
- Tempo stimato
- Meno di un'ora
- Idoneità per principianti
- 88/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Inizia in deepmd/utils/finetune.py, in _IGNORED_DESCRIPTOR_KEYS, quindi esamina come warn_configuration_mismatch_during_finetune confronta le impostazioni del descrittore. Controlla collect_single_finetune_params in deepmd/pt/train/training.py per il contesto di caricamento. Il lavoro è completato quando descriptor.seed non compare più come avviso di mancata corrispondenza, mentre le incompatibilità effettive del descrittore continuano a essere segnalate.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Summary
warn_configuration_mismatch_during_finetune reports descriptor.seed as a configuration mismatch. seed only selects the RNG used when a module is first constructed. It is not a loaded parameter, and a difference does not change which pretrained weights are reused.
What happens
_IGNORED_DESCRIPTOR_KEYS in deepmd/utils/finetune.py is {"trainable"}. A fine-tune whose input sets descriptor.seed to null while the checkpoint was trained with seed: 42 therefore logs:
DEEPMD WARNING Descriptor configuration mismatch detected between input.json and pretrained model (branch 'Default'). Only descriptor parameters that are compatible with the pretrained model can be reused; incompatible parameters may be reinitialized, skipped, or rejected by backend-specific loading:
seed: input=None, pretrained=42
The weight copy in collect_single_finetune_params (deepmd/pt/train/training.py) does not consult this diff. Matching tensors are still taken from the pretrained state dict. The warning text implies that the descriptor may be reinitialized or rejected, which does not happen for seed.
descriptor.seed: null is the documented way to draw a fresh seed for any parameter that is actually created during the run. That choice should not be reported as an incompatible descriptor change.
Expected behavior
Add seed to _IGNORED_DESCRIPTOR_KEYS, next to trainable, so initialization RNG settings are not treated as architecture mismatches.
- Lingua principale
- Python
- Stelle
- 2.1k
- Fork
- 659
- Merge medio
- 5g 23h
- PR unite (30g)
- 6
Preparare l'ambiente
Avvia il container di sviluppo del progetto nel browser, con il tuo account GitHub.
- Nessun Dockerfile né 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 deepmodeling/deepmd-kit
-
Docs enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
deepmodeling/deepmd-kit#5766 · 1 commento ·
I maintainer di solito rispondono entro 4 giorni
-
[Code scan] Freeze Paddle DPA3 parameters with stop_gradientForse già presa @njzjz l’ha presa 95 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
deepmodeling/deepmd-kit#5686 · 1 commento ·
I maintainer di solito rispondono entro 4 giorni
-
branch: master lang: py todo comment type: todo
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
deepmodeling/deepmd-kit#5480 ·
I maintainer di solito rispondono entro 4 giorni
-
branch: master lang: toml todo comment type: todo
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 72/100
deepmodeling/deepmd-kit#5462 ·
I maintainer di solito rispondono entro 4 giorni
-
[BUG] Property models trained before #5322 give shifted predictions after upgrade: distinguish_types defaults to True when a .pt checkpoint is loadedForse già presa @SchrodingersCattt l’ha presa 1 giorno fa. Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100
deepmodeling/deepmd-kit#6082 ·
I maintainer di solito rispondono entro 4 giorni
Tutte le issue di deepmodeling/deepmd-kit
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
sierra-research/tau2-bench#635 ·
I maintainer di solito rispondono entro 1 giorno
-
The add-ssm-model skill requires a Cython simulator; the contributing guide allows Python onesForse già presa @fmuia l’ha presa oggi. Apertadocumentation skill
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
lnccbrown/ssm-simulators#406 ·
I maintainer di solito rispondono entro 4 giorni
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 95/100
btclib-org/btclib-ecc#309 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
jbacalso24/mimry#459 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug] POST /revoke with a FastMCP access token is a silent no-op (ownership gate never matches)Apertaauth bug high-priority
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno