【杂学】LLaVA 代码运行记录

LLaVA代码地址：https://github.com/haotian-liu/LLaVA
LLaVolta代码地址：https://github.com/Beckschen/LLaVolta

最近在做 LLaVA 和 LLaVolta 的学习与改进，开个贴记录一下遇到的问题以及解决方案。

LLaVA

安装 flash-attn

通过nvcc -V可以查看版本，需要 >=11.7，否则会报错如下：

解决方案：在终端运行如下两条指令重新安装

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

Deepspeed 使用

由于服务器的原因，我的 conda 并不是在默认的 ~/ 目录中，因此每次使用 pip 和 deepspeed 需要额外指定，每个.sh 文件需要明确 deepspeed 路径，否则找不到transformers包。

解决方案：更改使用deepspeed的命令

/home/data/shika/miniconda3/envs/llava/bin/deepspeed llava/train/train_mem.py 

wandb使用

wandb库需要申请 api 并登录，按照这个教程即可成功登录。

多卡训练端口

如果多卡训练，需要制定一个端口，刚好默认的29500被占用了：

解决方案：手动重新指定端口

export MASTER_PORT=29400  # 替换为你需要的端口

LLaVolta

LLaVolta 基本是基于 LLaVA 进行改造的，因此运行方式高度相似（基本相同）。

包的版本

按照README.md会安装 peft==0.14.0和transfromers==4.37.2，然后这个错误困扰了我很长时间：

1. peft==0.14.0 + transformers 最新版本 --> TypeError: LlamaRotaryEmbedding.forward() got an unexpected keyword argument 'seq_len'
2. peft==0.14.0 + transformers==4.37.2 --> cannot import name 'EncoderDecodercache' from 'transformers'

解决方案：必须用 peft==0.10.0 + transformers==4.37.2