ChatGLM2 大模型微调过程中遇到的一些坑及解决方法(更新中)

本文主要是介绍ChatGLM2 大模型微调过程中遇到的一些坑及解决方法(更新中)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. 模型下载问题

OSError: We couldn't connect to 'https://huggingface.co' to load this file, couldn't find it in the cached files and it looks like bert-base-uncased is not the path to a directory containing a file named config.json.
Checkout your internet connection or see how to run the library in offline mode at 'https://huggingface.co/docs/transformers/installation#offline-mode'.

       模型默认是从huggingface上下载的，需要科学上网。挂上梯子后即可下载，注意模型都帮你较大，会消耗很多流量。

2. 模型保存地址

       下载后，会占用C盘大量空间，对于重复下载的模型文件，可以进行删除。以下是其存储路径。

Windows系统

C:\Users\你的用户名\.cache\huggingface

Linux系统

       ~/.cache/huggingface/

3. 模型无法量化     

        默认情况下，模型以 FP16 精度加载，运行上述代码需要大概 13GB 显存。如果你的 GPU 显存有限，可以尝试以量化方式加载模型，使用方法如下：

model = AutoModel.from_pretrained("THUDM/chatglm2-6b-int4",trust_remote_code=True).cuda()
peft_config = LoraConfig(task_type=TaskType.CAUSAL_LM, inference_mode=False,r=8,lora_alpha=32, lora_dropout=0.1,
)model = get_peft_model(model, peft_config)

        出现以下错误：

ValueError: Target module QuantizedLinear() is not supported. Currently, only `torch.nn.Linear` and `Conv1D` are supported.

       原因：以int4量化加载的模型是不支持进行微调的。

4. 分词器

       以chatglm为例，有“chatglm2-6b” "chatglm2-6b-int8" "chatglm2-6b-int4" 三个版本，但是分词器tokenizer是共用的，不受模型量化加载方式改变。所以我们在加载tokenizer的时候，只需设置就可以了：

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True)

5. int-8量化的模型无法下载

       在chatglm第一版里面，是提供int4 int8和fp16，三个版本的文件的，但是在chatglm2里，可以看到只给了fp16和int4两个版本的文件。

这篇关于ChatGLM2 大模型微调过程中遇到的一些坑及解决方法(更新中)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---