指定从某个checkpoint开始训练 --resume_from_checkpoint error

[thugbobby]

当我指定从某个checkpoint开始训练时，报如下错误：

训练参数如下：

deepspeed --num_gpus 4  dbgpt_hub/train/sft_train.py \
    --deepspeed dbgpt_hub/configs/ds_config.json \
    --model_name_or_path /data/llm/CodeLlama-13b-Instruct-hf \
    --do_train \
    --dataset example_text2sql_train \
    --max_source_length 2048 \
    --max_target_length 512 \
    --template llama2 \
    --finetuning_type lora \
    --lora_rank 64 \
    --lora_alpha 32 \
    --lora_target q_proj,v_proj \
    --output_dir dbgpt_hub/output/adapter/CodeLlama-13b-qlora_1024_epoch1_debug1008_withDeepseed_mulitCard \
    --overwrite_cache \
    --overwrite_output_dir \
    --per_device_train_batch_size 1 \
    --gradient_accumulation_steps 16 \
    --lr_scheduler_type cosine_with_restarts \
    --logging_steps 50 \
    --save_steps 2000 \
    --learning_rate 2e-4 \
    --num_train_epochs 1 \
    --plot_loss \
    --bf16 \
    --resume_from_checkpoint dbgpt_hub/output/adapter/CodeLlama-13b-qlora_1024_epoch1_debug1008_withDeepseed_mulitCard/checkpoint-100

[Jian1273]

您好，您这边需要在训练参数中具体指定 checkpoint_dir参数， -- checkpointdir your checkpoint_dir_path

[thugbobby]

您好，您这边需要在训练参数中具体指定 checkpoint_dir参数， -- checkpointdir your checkpoint_dir_path

按照您说的指定了，还是一样的报错

[Jian1273]

目前lora部分的权重只支持.bin格式的，savetensors格式暂不支持