您好，能提供一下您当前的pretrain_deepseek32_671b_4k_A3_ptd.sh脚本内容吗

/label add pending

您好，能提供一下您当前的pretrain_deepseek32_671b_4k_A3_ptd.sh脚本内容吗

@tichang

#!/bin/bash



export CUDA_DEVICE_MAX_CONNECTIONS=1
export CPU_AFFINITY_CONF=1
export TASK_QUEUE_ENABLE=2
export PYTORCH_NPU_ALLOC_CONF="expandable_segments:True"
export HCCL_CONNECT_TIMEOUT=3600
export STREAMS_PER_DEVICE=32

# NPUS_PER_NODE=16
# MASTER_ADDR=localhost #主节点IP
# MASTER_PORT=6000
# NNODES=32
# NODE_RANK=0
# WORLD_SIZE=$(($NPUS_PER_NODE*$NNODES))

# CKPT_SAVE_DIR="your model save ckpt path"
# DATA_PATH="your data path"
# TOKENIZER_PATH="your tokenizer path"
# CKPT_LOAD_DIR="your model ckpt path"
# 处理传入的参数：
# 1. 模型加载路径(tokenizer路径相同)
# 2. 预处理数据集通配符
CKPT_LOAD_DIR=$1
DATA_GLOB_PATTERN=$2

TOKENIZER_PATH=$CKPT_LOAD_DIR

# 日志与实验命名
# 从 TRAIN_SCRIPT 路径中提取文件名（不含路径）
script_filename=$(basename "$0")
# 提取不带 .sh 后缀的前缀
script_prefix="${script_filename%.sh}"
# 构造 log_dir，使用提取出的前缀
log_dir=TrainResults/$script_prefix

# date=$(date '+%Y%m%d_%H%M%S')
date=$MINDX_TASK_ID
log_dir=${log_dir}/$date
CKPT_SAVE_DIR=$log_dir
mkdir -p $log_dir

cp "$0" "$log_dir"

# 数据集自动处理
# PATTERN="part*"
# ===========================================
# 🔍 自动发现数据路径（生成 no_ext_files 数组）
# ===========================================
echo "[INFO] 正在从 DATA_GLOB_PATTERN='$DATA_GLOB_PATTERN'自动发现数据文件..."
files=($DATA_GLOB_PATTERN)
for f in "${files[@]}"; do
    if [[ -f "$f" ]]; then
        dir=$(dirname "$f")
        base=$(basename "$f" .bin)
        full_path_no_ext="$dir/$base"
        no_ext_files+=("$full_path_no_ext")
    fi
done
echo "[INFO] 发现以下数据:"
printf '  - %s\n' "${no_ext_files[@]}"
# 构建安全转义的路径参数字符串（用于 SSH 命令）
DATA_PATH=""
for path in "${no_ext_files[@]}"; do
    printf -v escaped '%q' "$path"
    DATA_PATH+="$escaped "
done

export ASCEND_PROCESS_LOG_PATH=$log_dir/plogs/$XDL_IP
export TTP_LOG_PATH=$log_dir/ttplogs/$XDL_IP-$RANK
export TRAIN_LOG_PATH=$log_dir/trainlogs/$XDL_IP-$RANK
mkdir -p $log_dir/plogs
mkdir -p $log_dir/ttplogs
mkdir -p $log_dir/trainlogs



TP=2
PP=8
EP=32
CP=1
CP_TYPE='ulysses_cp_algo'
NUM_LAYERS=64
SEQ_LEN=4096
MBS=1
GBS=8192

DISTRIBUTED_ARGS="
    --nproc_per_node $NPUS_PER_NODE \
    --nnodes $NNODES \
    --node_rank $NODE_RANK \
    --master_addr $MASTER_ADDR \
    --master_port $MASTER_PORT
"

MLA_ARGS="
    --multi-latent-attention \
    --qk-pos-emb-head-dim 64 \
    --qk-head-dim 128 \
    --q-lora-rank 1536 \
    --kv-lora-rank 512 \
    --v-head-dim 128 \
    --qk-layernorm \
    --mla-mm-split \
    --mla-fa-without-pad \
"

MOE_ARGS="
    --moe-grouped-gemm \
    --moe-permutation-async-comm \
    --moe-token-dispatcher-type alltoall \
    --moe-permute-fusion \
    --first-k-dense-replace 3 \
    --moe-layer-freq 1 \
    --moe-shared-expert-intermediate-size 2048 \
    --num-experts 256 \
    --moe-router-topk 8 \
    --moe-ffn-hidden-size 2048 \
    --moe-router-load-balancing-type none \
    --moe-router-num-groups 8 \
    --moe-router-group-topk 4 \
    --moe-router-topk-scaling-factor 2.5 \
    --moe-aux-loss-coeff 0.0001 \
    --seq-aux \
    --moe-router-score-function sigmoid \
    --moe-router-enable-expert-bias \
    --moe-router-dtype fp32 \
"

MTP_ARGS="
    --mtp-num-layers 1 \
    --mtp-loss-scaling-factor 0.3 \
"

DUALPIPE_ARGS="
    --moe-fb-overlap \
    --schedules-method dualpipev \
"

MEM_ARGS="
    --mtp-mem-efficient-logits \
    --swap-optimizer \
    --recompute-granularity full \
    --recompute-method block \
    --recompute-num-layers 8 \
"

ROPE_ARGS="
    --beta-fast 32 \
    --beta-slow 1 \
    --rope-scaling-factor 40 \
    --rope-scaling-mscale 1.0 \
    --rope-scaling-mscale-all-dim 1.0 \
    --rope-scaling-original-max-position-embeddings 4096 \
    --rope-scaling-type yarn
"

    # --noop-layers 61,62,63 \
        # --noop-layers 93,94,95 \
GPT_ARGS="
    --transformer-impl local \
    --spec mindspeed_llm.tasks.models.spec.deepseek_spec layer_spec \
    --reset-attention-mask \
    --gemm-gradient-accumulation-fusion \
    --noop-layers 61,62,63 \
    --manual-gc \
    --manual-gc-interval 50 \
    --no-shared-storage \
    --use-distributed-optimizer \
    --use-flash-attn \
    --use-mcore-models \
    --tensor-model-parallel-size ${TP} \
    --pipeline-model-parallel-size ${PP} \
    --expert-model-parallel-size ${EP} \
    --expert-tensor-parallel-size 1 \
    --sequence-parallel \
    --context-parallel-size ${CP} \
    --context-parallel-algo  ${CP_TYPE} \
    --num-layers ${NUM_LAYERS} \
    --hidden-size 7168 \
    --ffn-hidden-size 18432 \
    --num-attention-heads 128 \
    --tokenizer-type PretrainedFromHF  \
    --tokenizer-name-or-path ${TOKENIZER_PATH} \
    --seq-length ${SEQ_LEN} \
    --max-position-embeddings 163840 \
    --micro-batch-size ${MBS} \
    --global-batch-size ${GBS} \
    --make-vocab-size-divisible-by 1 \
    --lr 1.0e-5 \
    --train-iters 2000 \
    --lr-decay-style cosine \
    --untie-embeddings-and-output-weights \
    --disable-bias-linear \
    --attention-dropout 0.0 \
    --init-method-std 0.02 \
    --hidden-dropout 0.0 \
    --position-embedding-type rope \
    --normalization RMSNorm \
    --use-fused-rotary-pos-emb \
    --use-rotary-position-embeddings \
    --use-fused-swiglu \
    --use-fused-rmsnorm \
    --swiglu \
    --no-masked-softmax-fusion \
    --attention-softmax-in-fp32 \
    --min-lr 1.0e-7 \
    --weight-decay 1e-2 \
    --lr-warmup-iters 500 \
    --clip-grad 1.0 \
    --adam-beta1 0.9 \
    --adam-beta2 0.999 \
    --initial-loss-scale 65536 \
    --vocab-size 129280 \
    --padded-vocab-size 129280 \
    --rotary-base 10000 \
    --norm-epsilon 1e-6 \
    --no-load-optim \
    --no-load-rng \
    --bf16 \
    --distributed-timeout-minutes 120 \
"

DATA_ARGS="
    --data-path $DATA_PATH \
    --split 100,0,0
"

OUTPUT_ARGS="
    --log-interval 1 \
    --save-interval 2000 \
    --eval-interval 2000 \
    --eval-iters 0 \
    --no-save-optim \
    --no-save-rng
"

python -m torch.distributed.launch $DISTRIBUTED_ARGS pretrain_gpt.py \
    $GPT_ARGS \
    $DATA_ARGS \
    $OUTPUT_ARGS \
    $MLA_ARGS \
    $DUALPIPE_ARGS \
    $MEM_ARGS \
    $ROPE_ARGS \
    $MOE_ARGS \
    $MTP_ARGS \
    --save $CKPT_SAVE_DIR \
    --load $CKPT_LOAD_DIR \
    --transformer-impl local \
    --distributed-backend nccl 2>&1 | tee ${TRAIN_LOG_PATH}.log

@fandengdong 你好，这个问题解决了吗，碰到了相同的问题

该问题是由环境引起的，并非 MindSpeed-LLM 框架引入
由裸机环境更换为统一的docker镜像后报错不再出现。

@fandengdong 你好，这个问题解决了吗，碰到了相同的问题

@baymax_591

如果您也有类似的问题，请尝试检查不同机器之间的环境，保证不同机器环境之间一致，并测试多机之间能否正常打通。
希望我的回答有帮到您

如果您目前没有其他问题，我们将根据流程关闭此 issue。
如后续有新的疑问或补充内容，欢迎随时重新打开本 issue，或另起一个新的 issue 进行提问。
感谢您的理解与支持！

该问题是由环境引起的，并非 MindSpeed-LLM 框架引入
由裸机环境更换为统一的docker镜像后报错不再出现。

@tichang

我们在镜像中利用k8s拉任务也有遇到过这种情况，有一定随机性。