解决 RuntimeError: “LayerNormKernelImpl” not implemented for ‘Half’。
错误类似如下：
Traceback (most recent call last):
File “cli_demo.py”, line 21, in
for results in webglm.stream_query(question):
File “/root/WebGLM/model/modeling_webglm.py”, line 49, in stream_query
outputs = self.model.generate(**inputs, max_length=1024, eos_token_id = self.tokenizer.eop_token_id, pad_token_id=self.tokenizer.eop_token_id)
File “/usr/local/python3/lib/python3.8/site-packages/torch/autograd/grad_mode.py”, line 27, in decorate_context
return func(*args, **kwargs)
File “/usr/local/python3/lib/python3.8/site-packages/transformers/generation/utils.py”, line 1515, in generate
return self.greedy_search(
File “/usr/local/python3/lib/python3.8/site-packages/transformers/generation/utils.py”, line 2332, in greedy_search
outputs = self(
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/modules/module.py”, line 1130, in _call_impl
return forward_call(*input, **kwargs)
File “/root/.cache/huggingface/modules/transformers_modules/WebGLM-2B/modeling_glm.py”, line 902, in forward
model_output = self.glm(input_ids, position_ids, attention_mask, mems=mems, **kwargs)
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/modules/module.py”, line 1130, in _call_impl
return forward_call(*input, **kwargs)
File “/root/.cache/huggingface/modules/transformers_modules/WebGLM-2B/modeling_glm.py”, line 783, in forward
transformer_output = self.transformer(embeddings, position_ids, attention_mask, mems)
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/modules/module.py”, line 1130, in _call_impl
return forward_call(*input, **kwargs)
File “/root/.cache/huggingface/modules/transformers_modules/WebGLM-2B/modeling_glm.py”, line 595, in forward
hidden_states = layer(*args, mem=mem_i)
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/modules/module.py”, line 1130, in _call_impl
return forward_call(*input, **kwargs)
File “/root/.cache/huggingface/modules/transformers_modules/WebGLM-2B/modeling_glm.py”, line 417, in forward
layernorm_output = self.input_layernorm(hidden_states)
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/modules/module.py”, line 1130, in _call_impl
return forward_call(*input, **kwargs)
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/modules/normalization.py”, line 189, in forward
return F.layer_norm(
File “/usr/local/python3/lib/python3.8/site-packages/torch/nn/functional.py”, line 2503, in layer_norm
return torch.layer_norm(input, normalized_shape, weight, bias, eps, torch.backends.cudnn.enabled)
RuntimeError: “LayerNormKernelImpl” not implemented for ‘Half’
在深度学习中，Layer Normalization（层标准化）是一种常用的技术，用于加速训练和提高模型稳定性。然而，在某些情况下，您可能会遇到RuntimeError: “LayerNormKernelImpl“ not implemented for ‘Half‘错误。这个错误通常意味着在半精度（即float16）模式下，Layer Normalization的实现存在问题。
问题原因：
硬件和软件不兼容：某些深度学习框架（如PyTorch）在某些硬件上可能不支持半精度Layer Normalization。
模型和层配置问题：在模型定义或配置中，可能存在与半精度不兼容的设置。
版本问题：使用的深度学习框架或库的版本可能存在已知的bug或不兼容性。
解决方案：
检查硬件和软件支持：确保您的硬件和软件支持半精度运算。某些GPU可能不完全支持半精度运算，此时可以考虑使用其他GPU或升级驱动程序和框架版本。
使用全精度运算：作为一种临时解决方案，您可以尝试将模型和训练切换到全精度（即float32）模式。这可以通过修改模型配置或设置训练参数来实现。
更新框架和库：检查是否有可用的更新，并确保您使用的是最新版本的深度学习框架和相关库。新版本可能修复了与半精度运算相关的问题。
自定义实现：如果框架本身不支持半精度Layer Normalization，您可以考虑自己实现该层。这需要一定的深度学习和编程知识，但可以提供更大的灵活性和控制力。
查找相关社区和论坛：参与相关的开发者社区和论坛，查找类似问题的解决方案和讨论。这些社区通常由经验丰富的开发者组成，可以提供宝贵的建议和解决方案。
预防措施：
文档阅读：在开始项目之前，仔细阅读您所使用的深度学习框架的文档。了解半精度运算的支持情况和最佳实践。
测试不同设置：在进行模型训练之前，尝试在不同的设置（如不同的硬件、软件版本等）下进行测试，以识别潜在的问题区域。
持续关注更新：保持对深度学习框架和相关库的关注，以便及时了解任何与半精度运算相关的改进和新特性。
代码审查：定期进行代码审查，确保代码中没有与半精度运算不兼容的配置或设置。
备份和记录：在进行任何更改之前，始终备份您的项目代码和配置。这样，如果出现问题，您可以轻松回滚到之前的状态并进行调试。
解决方法：
export COMMANDLINE_ARGS="--use-cpu all --precision full --no-half --skip-torch-cuda-test"
export COMMANDLINE_ARGS="--skip-torch-cuda-test --precision full --no-half"
export COMMANDLINE_ARGS="--skip-torch-cuda-test --no-half --use-cpu all"
export COMMANDLINE_ARGS="--skip-torch-cuda-test --upcast-sampling --no-half-vae --use-cpu interrogate --precision full --no-half"
export COMMANDLINE_ARGS="--autolaunch --skip-torch-cuda-test --disable-nan-check --no-half --use-cpu all"
-–skip-torch-cuda-test：这个参数是用来跳过检测 torch 是否能使用 GPU 的，如果您的 CUDA 和 torch 版本不匹配，或者您的电脑没有 CUDA GPU ，可以使用这个参数来绕过这个检测。
-–precision full：这个参数是用来指定 torch使用全精度（32位）的浮点数来运算的，相比于半精度（16位）或混合精度（16位和32位），全精度可以提高运算的准确性，但也会增加运算的时间和内存消耗。
-–no-half：这个参数是用来禁止 torch 使用半精度的数据类型的，如果您的显卡不支持半精度，或者您遇到了 “LayerNormKernelImpl” not implemented for ‘Half’ 的错误，可以使用这个参数来解决。
如果还是不行，可以考虑修改代码解决：
这个错误通常发生在尝试以半精度（Half）模式运行包含层归一化（Layer Norm）操作的代码时。具体来说，该错误表示图形处理器（GPU）上不支持半精度数据的层归一化操作。
要解决这个问题，可以尝试以下方法：
-
确保你使用的是最新版本的 PyTorch。更新到最新版本可能会修复此问题。你可以使用以下命令检查和更新 PyTorch：
pip install --upgrade torch -
在运行层归一化操作之前，将数据类型转换为全精度（Float）模式：
# 将输入数据转换为全精度（Float）类型 inputs = inputs.float() # 执行模型操作 outputs = self.model.generate(**inputs, max_length=1024, eos_token_id=self.tokenizer.eop_token_id, pad_token_id=self.tokenizer.eop_token_id) # 如果需要，将数据类型转回半精度（Half） inputs = inputs.half() -
如果你的系统支持，可以尝试禁用 GPU 加速，将代码切换到 CPU 运行：
# 在初始化模型之前禁用 GPU 加速 torch.backends.cudnn.enabled = False # 初始化模型和其他相关操作 # ... # 执行模型操作 # ...
例如：
Benchmark模式会提升计算速度，但是由于计算中有随机性，每次网络前馈结果略有差异。如果想要避免这种结果波动，设置：
torch.backends.cudnn.deterministic = True
设置为True，说明设置为使用使用非确定性算法：
torch.backends.cudnn.enabled = True
整体使用：
在模型的开始之前添加：
import torch.backends.cudnn as cudnn
cudnn.deterministic = True
cudnn.benchmark = True
cudnn.enabled = True
CPU运行的报错似乎与pytorch有关，CPU推理目前仍只支持fp32。
最后如果代码里面 模型 初始化的时候，调用了半精度，例如：
self.model = self.model.half()
修改为：
if device != "cpu":
self.model = self.model.half()
