_LOAD_BALANCING_LOSS returns empty list sometimes
まだ誰も着手していません。
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
- 25/100
- issue の種類
- バグ
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- python
調査の方向性
megablocks/layers/moe.py のリンク先の行から始め、次に savanna/training.py に示されている呼び出し元、特に mb_moe_loss_func を追跡してください。expert_interval=2 と expert_interval=1 の両方のケースを再現し、層数と loss のエントリを比較してください。完了の条件は、差異と断続的に空になる _LOAD_BALANCING_LOSS について、根本原因が文書化され、回帰テストまたは範囲が明確な修正があることです。
索引モデルが issue の本文から書いたものです。
説明
Hello, I am using Eleuther AI's gpt-neox implementation with megablocks, but I get 2 errors related to the _LOAD_BALANCING_LOSS.
- the
tokens_per_expertgives me this error at this line.ValueError: Expected 14 token_per_experts but found 7.Here's the stack trace.
File "/home/etnguyen/test/savanna/train.py", line 10, in <module> [53/1963]
pretrain(global_config=global_config)
File "/home/etnguyen/test/savanna/savanna/training.py", line 228, in pretrain
iteration = train(
^^^^^^
File "/home/etnguyen/test/savanna/savanna/training.py", line 1004, in train
loss_dict, skipped_iter = train_step(
^^^^^^^^^^^
File "/home/etnguyen/test/savanna/savanna/training.py", line 919, in train_step
loss = forward_step(
^^^^^^^^^^^^^
File "/home/etnguyen/test/savanna/savanna/training.py", line 515, in forward_step
moe_loss = mb_moe_loss_func(global_config, loss_mask, outputs)[0]
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "/home/etnguyen/test/savanna/savanna/training.py", line 464, in mb_moe_loss_func
lbl = moe.batched_load_balancing_loss(megablocks_args)
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "/home/etnguyen/.local/lib/python3.11/site-packages/megablocks/layers/moe.py", line 43, in batched_load_balancing_loss
raise ValueError(
ValueError: Expected 14 token_per_experts but found 7.
num_layers = 14
pipeline_model_parallel_size = 1
num_layers_per_virtual_pipeline_stage = None
I get this error when the expert_interval=2, ie when the default value is used, and so the number of experts is actually half the number of layers (14 layers, 7 Megablocks layers used). This error gets fixed when I set the expert_interval=1 so that there are 14 Megablocks, and 14 layers. But I don't know the root cause of this discrepancy, especially if I want to change the expert_interval and number of Megablocks to every other layer.
- The second issue is, let's say I do use
expert_interval=1to get around the issue above, so every layer uses a Megablock, then my next error I get is that the return value of get_load_balancing_loss occasionally returns an empty list, which then errors out, meaning the_LOAD_BALANCING_LOSSis an empty list. Critically, this happens part way through training, like 30 secs in, so some batches it's fine and returns the expected losses.
Does this sound familiar to anybody? I'd very much appreciate any insights, thank you!
- 主要言語
- Python
- スター
- 1.6k
- フォーク
- 228
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
- Dockerfile または Docker Compose ファイルあり
- プルリクエストのテンプレートあり
- 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。
databricks/megablocks のほかの issue
-
難易度 5/5 1週間以上 初心者へのやさしさ 25/100
databricks/megablocks#188 · コメント 2 件 ·
-
難易度 5/5 1週間以上 初心者へのやさしさ 20/100
databricks/megablocks#184 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 30/100
databricks/megablocks#180 · コメント 1 件 ·
-
難易度 5/5 1週間以上 初心者へのやさしさ 20/100
databricks/megablocks#179 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 35/100
databricks/megablocks#178 · コメント 1 件 ·
databricks/megablocks の issue をすべて見る
似ている issue
-
backlog
難易度 1/5 1時間未満 初心者へのやさしさ 91/100
EchoTools/nevr-runtime#1108 ·
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 78/100
btclib-org/btclib-wallet#587 · 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 2/5 1〜3時間 初心者へのやさしさ 75/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 1 日以内に返信
-
documentation
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
Judgment-Pack/judgment-pack-spec#275 ·
メンテナーはふだん 1 日以内に返信