T5Gemma fails on MPS: incorrect beam expansion with padded batches
メンテナーはふだん 1 日以内に返信
評価
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 初心者へのやさしさ
- 30/100
- issue の種類
- バグ
- 明瞭さ
- おおむね明確
- 活発さ
- 活発
調査の方向性
Start from MultiHeadAttention::forward_merged, where the payload says beam size is inferred from memory->dim(0) after padding removal; trace how the padded batch is restored before encoder keys/values are expanded for beam search. Reproduce with the given script on an MPS device to confirm the LLDB shapes (decoder [16, 4, 1, 256] vs encoder [8, 4, 348, 256]) at the concatenation. Done when beam size comes from the restored encoder key tensor's batch dimension and a regression test covers a variable-length batch with beam_size=2.
索引モデルが issue の本文から書いたものです。
説明
T5Gemma generation fails with PyPI CTranslate2 4.9.0:
RuntimeError: MPS pointer is not backed by a registered Metal buffer
Observed in CI and reproduced on an M4 Pro running macOS 15.7.7.
Reproduction
pip install ctranslate2==4.9.0 transformers==5.22.2 \
torch==2.15.0 datasets==5.1.0 sentencepiece==0.2.3
from pathlib import Path
import ctranslate2
from datasets import load_dataset
from transformers import AutoTokenizer
model = "jordimas/t5gemma-2-270m-270m"
revision = "dfb6d0d619d8e6d42f279a6197abb90dec0137c1"
output_dir = "t5gemma-ct2-float32"
if not Path(output_dir).exists():
ctranslate2.converters.TransformersConverter(
model, revision=revision
).convert(output_dir, quantization="float32")
tokenizer = AutoTokenizer.from_pretrained(model, revision=revision)
samples = load_dataset(
"rajpurkar/squad",
split="validation",
revision="7b6d24c440a36b6815f21b70d25016731768db1f",
).shuffle(seed=42).select(range(8))
inputs = [
tokenizer.convert_ids_to_tokens(tokenizer.encode(
f"Context: {s['context']} Question: {s['question']} Answer:",
truncation=True, max_length=512,
))
for s in samples
]
translator = ctranslate2.Translator(
output_dir, device="mps", compute_type="float32",
intra_threads=2, inter_threads=1,
)
translator.translate_batch(
inputs, beam_size=2, sampling_topk=1,
max_decoding_length=64, max_batch_size=8,
)
Cause and suggested fix
On the first decoding step, MultiHeadAttention::forward_merged infers beam size from memory->dim(0). After padding removal, this dimension counts packed tokens rather than examples, so encoder keys/values are not expanded for beam search.
LLDB confirmed mismatched shapes at concatenation:
- Decoder keys:
[16, 4, 1, 256] - Encoder keys:
[8, 4, 348, 256]
Metal concatenation consequently requests more bytes than the encoder buffer contains.
Infer beam size from the restored encoder key tensor's batch dimension before expansion. Add regression coverage for variable-length batches with beam_size=2.
- 主要言語
- C++
- スター
- 4.8k
- フォーク
- 557
- 平均マージ
- 1日 6時間
- マージ済み PR(30日)
- 24
環境構築
- Dockerfile・Docker Compose ファイルなし
- プルリクエストのテンプレートなし
- コントリビューションガイドを読む
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
OpenNMT/CTranslate2 のほかの issue
-
MPS: GPT-2 produces NaN logits and invalid token IDs対応中かも @TBO22 が今日担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 70/100
OpenNMT/CTranslate2#2154 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
Allow no-timestamp Whisper decoding beyond 224 tokens対応中かも @Emre-Akgul が 127 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
OpenNMT/CTranslate2#2074 ·
メンテナーはふだん 1 日以内に返信
-
難易度 5/5 1週間以上 初心者へのやさしさ 8/100
OpenNMT/CTranslate2#2152 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 3/5 1〜2日 初心者へのやさしさ 55/100
OpenNMT/CTranslate2#2149 ·
メンテナーはふだん 1 日以内に返信
-
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
OpenNMT/CTranslate2#2105 ·
メンテナーはふだん 1 日以内に返信
OpenNMT/CTranslate2 の issue をすべて見る
似ている issue
-
Documentation: Fix parameter markup, legacy branch link, and phrasing in Detachable Joints and Model Command tutorials対応中かも @patelshivani2283-lab が今日担当しました。 オープン
難易度 1/5 1〜3時間 初心者へのやさしさ 88/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
メンテナーはふだん 1 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
Niko1221/Strata#6071 · コメント 2 件 ·
メンテナーはふだん 4 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
KhronosGroup/Vulkan-Tutorial#551 ·
メンテナーはふだん 1 日以内に返信