LLama-Factory 遇到的问题

news2025/12/15 15:14:09

一、LLama-Factory安装

二、LLama-Factory 遇到的问题

（一）包不兼容问题

（二）使用文件路径，加载模型

一、LLama-Factory安装

参考官网介绍：https://github.com/hiyouga/LLaMA-Factory

二、LLama-Factory 遇到的问题

（一）包不兼容问题

按照提示安装对应的版本，只要不相互冲突即可

（二）使用文件路径，加载模型

1.提示：NameError: name 'AsyncLLMEngine' is not defined

解决方案：在文件：src/llamafactory/chat/base_engine.py

将from vllm import AsyncLLMEngine 改为 from vllm_engine import AsyncLLMEngine

2.使用chat的时候修改gpu的使用个数和号

在运行训练程序前，在用户根目录下配置环境（~/.bashrc）：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = '0，1'

或：

export CUDA_VISIBLE_DEVICES = NUM

NUM是用户指定显卡的序号（0,1,2…），可以先用 nvidia-smi 查看当前哪块显卡可用。但这种方法限制了用户可见的GPU数量，比如你的其他程序在你的目录里无法选择别的GPU; 你的程序也没法使用multiple GPUs。

注意！！！！！！

ValueError: Total number of attention heads (28) must be divisible by tensor parallel size (6).

如果改后报这个错误，一定注意注意力头数要能被gpu卡数除尽！

并在src/llamafactory/chat/vllm_engine.py将下面get_device_count() 改为自己设置的gpu并行个数，如果是占用机器上的全部gpu数量则不需要改，如果少于机器上gpu数量一定要修改为自己设定的数。

"tensor_parallel_size": get_device_count() or 1

src/llamafactory/extras/misc.py

def get_device_count() -> int:
    r"""
    Gets the number of available GPU or NPU devices.
    """
    if is_torch_xpu_available():
        return torch.xpu.device_count()
    elif is_torch_npu_available():
        return torch.npu.device_count()
    elif is_torch_cuda_available():
        return 4 # 将cuda加载的设备数修改，得保证能够被注意头除尽
        #return torch.cuda.device_count()
    else:
        return 0

但是查看gpu使用情况，仍然是占用了所有的gpu 啊！！

3.使用train的时候修改gpu--没找到

设置环境变量CUDA_VISIBLE_DEVICES声明训练过程中允许使用4张显卡，显卡编号分别为1、2、3、4。使用 llamafactory-cli命令启动训练

export CUDA_VISIBLE_DEVICES=1,2,3,4
llamafactory-cli train /data2/downloads/LLaMA-Factory/qwen2_lora_sft.yaml

4.Cannot use FlashAttention-2 backend because the flash_attn package is not found

pip install -U flash-attn==2.5.8

5.WARNING worker.py:1481 -- SIGTERM handler is not set because current thread is not the main thread.

gcs_rpc_client.h:179: Failed to connect to GCS at address 172.16.11.103:48924 within 5 seconds

Failed to get cluster ID from GCS server: TimedOut: Timed out while waiting for GCS to become available

6.RuntimeError: Cannot re-initialize CUDA in forked subprocess. To use CUDA with multiprocessing, you must use the 'spawn' start method

7.使用huggingface推理的Baichuan2-13B-Chat的时候，

提示：RuntimeError: CUDA error: device-side assert triggered
CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect.
For debugging consider passing CUDA_LAUNCH_BLOCKING=1.
Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions.

8.用vllm加载模型的时候提示：Started a local Ray instance.

一个低级问题导致vLLM加载大模型时ray卡死 - badwood - 博客园

这两天一直被一个问题困扰，用vLLM加载千问时不能开并行（tensor_parallel_size>1），一开就会卡在ray阶段，最初是提示Started a local Ray instance，后来手工启动ray集群，就提示connected to Ray cluster。无论怎样调都无法跑下去，根本不会加载模型，换了各种版本的vllm、transformer、ray、显卡、甚至是用本来可以跑的docker，都不行，直到发现一个偶尔爆出的错误：ray pthread_create failed: Resource temporarily unavailable。一搜，第一条建议就是检查系统线程数设置。最终定位是系统设置的用户最大线程数太小（ulimit -u）,设定为4096，修改到unlimited（/etc/security/limits.conf中增加app用户的nofile、nproc设置），顺利解决问题。

9.加载/home/sxw/3-model/1-patentWritten/10-glm-4-9b-chat模型的时候，huggingface推理，进行对话提示：KeyError: '<reserved_102>'

10.llama-factory加载chatglm3-6b-32k模型huggingface推理，对话提示：ValueError: too many values to unpack (expected 2)

解决方法：原因是transformers版本过高，修改为transformers==4.41.2【bug解决】chatglm3推理 ValueError: too many values to unpack (expected 2)_chatglm3 valueerror: too many values to unpack (ex-CSDN博客

11.llama-factory加载qwen2.5-14B模型huggingface推理，对话提示：RuntimeError: Could not infer dtype of NoneType

12.llama-factory加载glm-4-9b-chat-1m模型huggingface推理，对话提示：KeyError: 'sop'。

13.报错：“TypeError: ChatGLMTokenizer._pad() got an unexpected keyword argument ‘padding_side‘ ”_chatglm.pad has unexpected-CSDN博客

14.vllm 推理报错，无法导入本地大模型路径_vllm加载本地模型-CSDN博客

15.RuntimeError: Could not infer dtype of NoneType-CSDN博客

16.解决vscode远程连接Linux无权限保存的问题,解决vscode远程连接Linux无权限保存的问题_vscode无法保存linux主机上的网络共享恩家-CSDN博客

17. 为什么安装了autoawq后运行python文件的时候还是提示安装autoawq？

解决方法：直接git clone awq的源码，新建conda环境并安装awq依赖，在这个环境下运行，可以避免提示一直要安装autoawq问题，安装的autoawq版本是：0.2.6+cu121

18.vs code 提示：无法监视文件更改，请按照链接说明

【问题解决】VSCode报警：无法在这个大型工作区中监视文件更改。请按照说明链接来解决此问题。_无法在这个大型工作区文件夹中监视文件更改。请按照说明链接来解决此问题。-CSDN博客

19. ollama的open webui 在执行open-webui serve的时候提示:undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.x报错缺失

undefined symbol: __nvJitLinkAddData_12_1, version libnvJitLink.so.x报错缺失_version libnvjitlink.so.12 not defined in file lib-CSDN博客