InternVL3.5 使用指南

目录

• InternVL3.5 使用指南
  • 目录
  • 版本说明
    • 参考实现
    • 变更记录
  • 环境安装
    • 1. 环境准备
    • 2. 环境搭建
  • 权重下载及转换
    • 权重下载
      • 特别说明
    • 权重转换
  • 数据集准备及处理
    • 1. 数据集下载
  • 微调
    • 1. 准备工作
    • 2. 配置参数
    • 3. 启动微调
    • 4. 启动推理
  • 环境变量声明

版本说明

参考实现

url=https://github.com/OpenGVLab/InternVL.git
commit_id=2410d1db

变更记录

2025.10.21: 首次支持InternVL3_5--30B-A3B-Instruct模型

---

环境安装

【模型开发时推荐使用配套的环境版本】

请参考安装指南

1. 环境准备

【模型开发时推荐使用配套的环境版本】

请参考安装指南，完成昇腾软件安装。

Python版本推荐3.10，torch和torch_npu版本推荐2.7.1版本

2. 环境搭建

git clone --branch 26.0.0 https://gitcode.com/Ascend/MindSpeed-MM.git
git clone https://github.com/NVIDIA/Megatron-LM.git
cd Megatron-LM
git checkout core_v0.12.1
cp -r megatron ../MindSpeed-MM/
cd ..
cd MindSpeed-MM
mkdir logs dataset ckpt

# 安装加速库
git clone https://gitcode.com/Ascend/MindSpeed.git
cd MindSpeed
# checkout commit from MindSpeed core_r0.12.1
git checkout d76dbddd4517d48a2fc1cd494de8b9a6cfdbfbab

# 安装mindspeed及依赖
pip install -e .
cd ..
# 安装mindspeed mm及依赖
pip install -e .

# 安装新版transformers（支持internvl3.5模型）
git clone https://github.com/huggingface/transformers.git
cd transformers
git checkout c0dbe09
pip install -e .

权重下载及转换

权重下载

从Hugging Face等网站下载开源模型权重

• InternVL3_5-30B-A3B-Instruct

将模型权重保存在ckpt/hf_path/目录下，例如ckpt/hf_path/InternVL3_5-30B-A3B-Instruct。

特别说明

权重下载后，需修改权重路径下的ckpt/hf_path/modeling_internvl_chat.py代码文件，96行将None修改为151671，112行为forward函数增加**kwargs参数

    # 96行示例
    self.img_context_token_id = 151671

    # 112行示例
    def forward(
        ...
        return_dict: Optional[bool] = None,
        **kwargs
    )

权重转换

MindSpeed MM修改了moe部分原始网络的结构名称，需对原始预训练权重进行转换：

# 对修改了网络结构的部分进行权重转换
mm-convert ExpertMergeDcpConverter hf_to_dcp --hf_dir "ckpt/hf_path/InternVL3_5-30B-A3B-Instruct" --save_dir "ckpt/convert_path/InternVL3_5-30B-A3B-Instruct"

---

数据集准备及处理

1. 数据集下载

【图片数据】

用户需自行获取并解压InternVL-Finetune数据集到dataset/playground目录下，解压后的数据结构如下：

$playground
├── data
    ├── ai2d
        ├── abc_images
        ├── images
    ├── coco
        ├── train2017
    ├── docvqa
        ├── train
        ├── test
        ├── val
    ├──...
├── opensource
    ├── ai2d_train_12k.jsonl
    ├── sharegpt4v_instruct_gpt4-vision_cap100k.jsonl
    ├── chartqa_train_18k.jsonl
    ├── ...

【视频数据】

使用视频进行训练，可参考视频数据集构造自行构造视频数据集。

同时依赖Decord库读取视频，Decord安装方法如下：

【X86版安装】

pip install decord==0.6.0

【ARM版安装】

apt方式安装请参考链接

yum方式安装请参考脚本

微调

1. 准备工作

配置脚本前需要完成前置准备工作，包括：环境安装、权重下载 、数据集准备及处理，详情可查看对应章节。

2. 配置参数

【数据目录配置】

根据实际情况修改data.json中的数据集路径，包括from_pretrained、data_path、data_folder等字段。

以InternVL3_5-30B-A3B-Instruct为例，data.json进行以下修改，注意tokenizer_config的权重路径为原始权重路径。

{
  "dataset_param": {
      ...
      "basic_parameters": {
          "data_path": "dataset/playground/opensource/sharegpt4v_instruct_gpt4-vision_cap100k.jsonl",
          "data_folder": "dataset/playground/data"
      },
      ...
      "tokenizer_config": {
          ...
          "from_pretrained": "./ckpt/hf_path/InternVL3_5-30B-A3B-Instruct",
          ...
      },
      ...
  },
  ...
}

【模型路径配置】

根据实际情况修改model.json中的权重路径，包括from_pretrained、data_path、data_folder等字段。

以InternVL3_5-30B-A3B-Instruct为例，model.json进行以下修改，init_from_hf_path的权重路径为原始权重路径。

{
    ...
    "init_from_hf_path": "./ckpt/hf_path/InternVL3_5-30B-A3B-Instruct",
    ...
}

【模型保存加载及日志信息配置】

根据实际情况配置examples/internvl3.5/finetune_internvl3_5.sh的参数，包括加载、保存路径以及保存间隔--save-interval（注意：分布式优化器保存文件较大耗时较长，请谨慎设置保存间隔）, 以InternVL3_5-30B-A3B-Instruct为例：

...
# 加载路径：原始权重路径
HF_PATH="ckpt/hf_path/InternVL3_5-30B-A3B-Instruct"
# 加载路径：权重转换后路径
LOAD_PATH="ckpt/convert_path/InternVL3_5-30B-A3B-Instruct"
# 保存路径
SAVE_PATH="internvl35_finetune_result"
...
GPT_ARGS="
    ...
    --no-load-optim \  # 不加载优化器状态，若需加载请移除
    --no-load-rng \  # 不加载随机数状态，若需加载请移除
    --no-save-optim \  # 不保存优化器状态，若需保存请移除
    --no-save-rng \  # 不保存随机数状态，若需保存请移除
    ...
"
...
OUTPUT_ARGS="
    --log-interval 1 \  # 日志间隔
    --save-interval 5000 \  # 保存间隔
    ...
    --log-tps \  # 增加此参数可使能在训练中打印每步语言模块的平均序列长度，并在训练结束后计算每秒吞吐tokens量。
"

$save_dir
   ├── latest_checkpointed_iteration.txt
   ├── ...

【单机运行配置】

配置examples/internvl3.5/finetune_internvl3_5.sh参数如下

  # 根据实际情况修改 ascend-toolkit 路径
  source /usr/local/Ascend/cann/set_env.sh
  NPUS_PER_NODE=16 # A3单机可跑
  MASTER_ADDR=localhost
  MASTER_PORT=6000
  NNODES=1
  NODE_RANK=0
  WORLD_SIZE=$(($NPUS_PER_NODE * $NNODES))

【多机运行配置】

配置examples/internvl3.5/finetune_internvl3_5.sh参数如下

  # 根据实际情况修改 ascend-toolkit 路径
  source /usr/local/Ascend/cann/set_env.sh
  # 根据分布式集群实际情况配置分布式参数
  GPUS_PER_NODE=8  # 每个节点的卡数，以实际情况填写
  MASTER_ADDR="your master node IP"  # 都需要修改为主节点的IP地址（不能为localhost）
  MASTER_PORT=6000
  NNODES=2  # 集群里的节点数，以实际情况填写
  NODE_RANK="current node id"  # 当前节点的RANK，多个节点不能重复，主节点为0, 其他节点可以是1,2..
  WORLD_SIZE=$(($GPUS_PER_NODE * $NNODES))

3. 启动微调

以InternVL3_5-30B-A3B-Instruct为例，启动微调训练任务。

bash examples/internvl3.5/finetune_internvl3_5.sh

4. 启动推理

训练完成之后，将保存在SAVE_PATH目录下的权重转换成huggingface格式

mm-convert ExpertMergeDcpConverter dcp_to_hf --hf_dir "ckpt/hf_path/InternVL3_5-30B-A3B-Instruct" --dcp_dir "internvl35_finetune_result/iter_000xx" --save_dir "ckpt/dcp_to_hf/InternVL3_5-30B-A3B-Instruct"

其中，--hf_dir表示原始huggingface权重的路径，--dcp_dir表示微调后的权重保存路径，iter_000xx表示保存的第xx步的权重，--save_dir表示转换后的权重保存路径。

完成权重转换之后，即可使用transformers库进行推理。

环境变量声明

环境变量	描述	取值说明
ASCEND_SLOG_PRINT_TO_STDOUT	是否开启日志打印	0: 关闭日志打屏 1: 开启日志打屏
ASCEND_GLOBAL_LOG_LEVEL	设置应用类日志的日志级别及各模块日志级别，仅支持调试日志	0: 对应DEBUG级别 1: 对应INFO级别 2: 对应WARNING级别 3: 对应ERROR级别 4: 对应NULL级别，不输出日志
TASK_QUEUE_ENABLE	用于控制开启task_queue算子下发队列优化的等级	0: 关闭 1: 开启Level 1优化 2: 开启Level 2优化
COMBINED_ENABLE	设置combined标志。设置为0表示关闭此功能；设置为1表示开启，用于优化非连续两个算子组合类场景	0: 关闭 1: 开启
CPU_AFFINITY_CONF	控制CPU端算子任务的处理器亲和性，即设定任务绑核	设置0或未设置: 表示不启用绑核功能 1: 表示开启粗粒度绑核 2: 表示开启细粒度绑核
HCCL_CONNECT_TIMEOUT	用于限制不同设备之间socket建链过程的超时等待时间	需要配置为整数，取值范围[120,7200]，默认值为120，单位s
PYTORCH_NPU_ALLOC_CONF	控制缓存分配器行为	expandable_segments:<value>: 使能内存池扩展段功能，即虚拟内存特征
HCCL_EXEC_TIMEOUT	控制设备间执行时同步等待的时间，在该配置时间内各设备进程等待其他设备执行通信同步	需要配置为整数，取值范围[68,17340]，默认值为1800，单位s
ACLNN_CACHE_LIMIT	配置单算子执行API在Host侧缓存的算子信息条目个数	需要配置为整数，取值范围[1, 10,000,000]，默认值为10000
TOKENIZERS_PARALLELISM	用于控制Hugging Face的transformers库中的分词器（tokenizer）在多线程环境下的行为	False: 禁用并行分词 True: 开启并行分词
MULTI_STREAM_MEMORY_REUSE	配置多流内存复用是否开启	0: 关闭多流内存复用 1: 开启多流内存复用
NPU_ASD_ENABLE	控制是否开启Ascend Extension for PyTorch的特征值检测功能	设置0或未设置: 关闭特征值检测 1: 表示开启特征值检测，只打印异常日志，不告警 2:开启特征值检测，并告警 3:开启特征值检测，并告警，同时会在device侧info级别日志中记录过程数据
ASCEND_LAUNCH_BLOCKING	控制算子执行时是否启动同步模式	0: 采用异步方式执行 1: 强制算子采用同步模式运行
NPUS_PER_NODE	配置一个计算节点上使用的NPU数量	整数值（如 1, 8 等）