Index-1.9B-Chat Lora 微调合并模型出现ValueError: Can't find 'adapter_config.json' at './output/Index-1.9B-Chat-lora/checkpoint-600'

[tangyipeng100]

采用微调脚本微调出现错误： ValueError: Can't find 'adapter_config.json' at './output/Index-1.9B-Chat-lora/checkpoint-600'

[KMnO4-zx]

是路径错误，还是没有训练到600step啊

[lisherlock]

我Lora微调Qwen2，加载时也遇到这个问题，改了transformer和peft的版本也都没有adapter_config.json，头疼

[EEE1even]

我也有同样的问题

[lisherlock]

我也有同样的问题

我目前解决了，官方例程里的部分改成下面：

加载tokenizer

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

加载模型

model = AutoModelForCausalLM.from_pretrained(lora_path, device_map="auto",torch_dtype=torch.bfloat16, trust_remote_code=True).eval()

应该是高版本的transformers和peft在lora时直接合并了，不需要再单独加载lora的checkpoint。

[lisherlock]

我也有同样的问题

我目前解决了，官方例程里的部分改成下面：

加载tokenizer

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

加载模型

model = AutoModelForCausalLM.from_pretrained(lora_path, device_map="auto",torch_dtype=torch.bfloat16, trust_remote_code=True).eval() 应该是高版本的transformers和peft在lora时直接合并了，不需要再单独加载lora的checkpoint。

我刚刚测试了可以跑通，但是这样合并岂不是污染了base Model

我理解应该是把Lora的部分直接合并，base model参数不变，只是加载方式不同。我这边fine-tune之后，用这种加载方式确实有效能提升说明应该有用。看其他有的github的解决方案类似，可能Qianwen2的训练版本比较高，所以降低版本的方法不大行。

[EEE1even]

我也有同样的问题

我目前解决了，官方例程里的部分改成下面：

加载tokenizer

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

加载模型

model = AutoModelForCausalLM.from_pretrained(lora_path, device_map="auto",torch_dtype=torch.bfloat16, trust_remote_code=True).eval() 应该是高版本的transformers和peft在lora时直接合并了，不需要再单独加载lora的checkpoint。

我刚刚测试了可以跑通，但是这样合并岂不是污染了base Model

我理解应该是把Lora的部分直接合并，base model参数不变，只是加载方式不同。我这边fine-tune之后，用这种加载方式确实有效能提升说明应该有用。看其他有的github的解决方案类似，可能Qianwen2的训练版本比较高，所以降低版本的方法不大行。

理解了，感谢老哥回复答疑

[lisherlock]

我也有同样的问题

我目前解决了，官方例程里的部分改成下面：

加载tokenizer

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

加载模型

model = AutoModelForCausalLM.from_pretrained(lora_path, device_map="auto",torch_dtype=torch.bfloat16, trust_remote_code=True).eval() 应该是高版本的transformers和peft在lora时直接合并了，不需要再单独加载lora的checkpoint。

我刚刚测试了可以跑通，但是这样合并岂不是污染了base Model

我理解应该是把Lora的部分直接合并，base model参数不变，只是加载方式不同。我这边fine-tune之后，用这种加载方式确实有效能提升说明应该有用。看其他有的github的解决方案类似，可能Qianwen2的训练版本比较高，所以降低版本的方法不大行。

理解了，感谢老哥回复答疑

客气啦