【Bug已解决】Deepspeed ： AttributeError： 'DummyOptim' object has no attribute 'step' 解决方案

一、现象长什么样

在 DeepSpeed ZeRO-3（有时 ZeRO-2）下自己写训练循环，或者用某个封装框架时，调用了optimizer.step()，直接炸：

AttributeError: 'DummyOptim' object has no attribute 'step'

完整一点的回溯通常是：

File "train.py", line 80, in train_loop optimizer.step() AttributeError: 'DummyOptim' object has no attribute 'step'

但optimizer是通过deepspeed.initialize(...)返回的那个对象，按理说应该有step。为什么变成了没有step方法的DummyOptim？下面讲清。

二、背景

DeepSpeed 在deepspeed.initialize(model=..., model_parameters=..., config=...)时，会根据 config 里声明的 optimizer 构造优化器，并在内部用DeepSpeedEngine管理step。当你这样写：

engine, optimizer, _, lr_scheduler = deepspeed.initialize( model=model, model_parameters=model.parameters(), config=ds_config )

返回的optimizer在某些情况下是一个DummyOptim——一个“占位优化器”。它存在的意义是：当 DeepSpeed 自己在内部管理参数更新（尤其是 ZeRO-3 下参数被切分、优化器状态也被分片）时，对外暴露的optimizer对象不需要真正的.step()，真正的 step 由engine.step()完成。

也就是说：DeepSpeed 模式下，更新参数要调engine.step()，而不是optimizer.step()。如果你拿到optimizer后还像普通 PyTorch 那样调optimizer.step()，而它恰好是DummyOptim，就会撞上AttributeError: 'DummyOptim' object has no attribute 'step'。

三、根因

根因 A：DeepSpeed 模式下调了optimizer.step()而非engine.step()

这是 100% 的主因。DeepSpeed 的更新入口是engine.step()。当 optimizer 被 DeepSpeed 替换成DummyOptim（无step方法）时，任何optimizer.step()调用都会报这个错。

根因 B：config 里没声明 optimizer，DeepSpeed 造了个空壳

如果你deepspeed.initialize时 config 里没有optimizer字段，也没有传model_parameters，DeepSpeed 可能构造一个DummyOptim占位。此时你若依赖它做 step，必炸。

根因 C：和 HuggingFace Trainer 混用时手动调 step

用transformers.Trainer+ DeepSpeed 时，Trainer 内部已经会调engine.step()，你不该再手动optimizer.step()。但有些人把 Trainer 的optimizer取出来在 callback 里额外 step，就会踩DummyOptim。

根因 D：ZeRO-3 +zero.Init下自定义 loop 误用 optimizer

ZeRO-3 用deepspeed.zero.Init()上下文构建大模型时，优化器状态是分片的，optimizer通常是DeepSpeedZeroOptimizer或DummyOptim，必须走engine.step()。

根因小结

• DeepSpeed 的训练更新入口是engine.step()，不是optimizer.step()；
• 当 optimizer 是DummyOptim（无step）时，手动optimizer.step()必然报错；
• config 必须正确声明 optimizer，且用engine.step()推进。

四、最小可运行复现

下面脚本先演示“错误用法”（直接optimizer.step()触发 DummyOptim 报错），再给正确写法。

import torch import deepspeed import torch.nn as nn class Tiny(nn.Module): def __init__(self): super().__init__() self.lin = nn.Linear(16, 8) def forward(self, x): return self.lin(x) def make_config(): return { "train_micro_batch_size_per_gpu": 2, "gradient_accumulation_steps": 1, "fp16": {"enabled": False}, "zero_optimization": {"stage": 2}, "optimizer": { "type": "Adam", "params": {"lr": 1e-3, "betas": [0.9, 0.999], "eps": 1e-8}, }, } def main(): torch.manual_seed(0) model = Tiny().cuda() engine, optimizer, _, _ = deepspeed.initialize( model=model, model_parameters=model.parameters(), config=make_config() ) print("optimizer 类型:", type(optimizer).__name__) x = torch.randn(2, 16, device="cuda") loss = engine(x).sum() engine.backward(loss) # 错误用法：直接调 optimizer.step() if type(optimizer).__name__ == "DummyOptim": try: optimizer.step() except AttributeError as e: print("触发报错:", e) # 正确用法：用 engine.step() engine.step() print("engine.step() 执行成功，参数已更新") if __name__ == "__main__": main()

运行后能看到：

optimizer 类型: DummyOptim 触发报错: 'DummyOptim' object has no attribute 'step' engine.step() 执行成功，参数已更新

这正好复现并验证修复：把optimizer.step()换成engine.step()即可。

五、解决方案（第一层：最小直接修复）

唯一正确的更新入口是engine.step()。把训练循环里的optimizer.step()全部替换为engine.step()：

engine, optimizer, _, lr_scheduler = deepspeed.initialize( model=model, model_parameters=model.parameters(), config=ds_config ) for batch in loader: loss = engine(batch).sum() engine.backward(loss) engine.step() # 正确：用 engine 推进更新

如果你确实需要在外部拿到“真实优化器”（比如要读optimizer.param_groups[0]['lr']），可以通过：

# DeepSpeed 暴露底层 optimizer（可能不是 DummyOptim） real_opt = engine.optimizer print("底层 optimizer 类型:", type(real_opt).__name__)

但更新仍然走engine.step()，不要对real_opt调.step()。

六、解决方案（第二层：结构性改进）

6.1 统一训练循环封装，杜绝optimizer.step()

把训练 step 收口到一个函数，团队不可能再误用：

def train_step(engine, batch): engine.train() loss = engine(**batch).loss if isinstance(batch, dict) else engine(batch) engine.backward(loss) engine.step() # 永远用 engine.step return loss

6.2 config 必须声明 optimizer

确保deepspeed.initialize的 config 里有合法optimizer字段，且传了model_parameters，避免 DeepSpeed 退化出诡异占位：

{ "optimizer": { "type": "AdamW", "params": { "lr": "auto", "betas": "auto", "eps": "auto", "weight_decay": "auto" } } }

6.3 与 HuggingFace Trainer 配合时不要手动 step

from transformers import Trainer trainer = Trainer(model=model, args=training_args, train_dataset=ds, optim="adamw_torch") # Trainer 会自动接 DeepSpeed trainer.train() # 内部已用 engine.step，别在外面再 step

七、解决方案（第三层：断言 / CI 守护）

加一条断言，防止有人把optimizer.step()写回训练循环：

import ast import pytest def scan_for_optimizer_step(path: str) -> bool: tree = ast.parse(open(path, "r", encoding="utf-8").read()) for node in ast.walk(tree): if isinstance(node, ast.Call): func = node.func if isinstance(func, ast.Attribute) and func.attr == "step": # optimizer.step() 形式命中 if isinstance(func.value, ast.Name) and func.value.id == "optimizer": return True return False def test_no_optimizer_step_in_loop(): assert not scan_for_optimizer_step("train_loop.py"), ( "DeepSpeed 模式下禁止 optimizer.step()，必须用 engine.step()" )

再补一条运行时不变量断言：

def test_engine_step_updates_params(engine, dummy_batch): before = [p.detach().clone() for p in engine.parameters()] loss = engine(**dummy_batch).loss engine.backward(loss) engine.step() after = list(engine.parameters()) changed = any(not torch.allclose(b, a) for b, a in zip(before, after)) assert changed, "engine.step() 未更新参数"

八、排查清单

遇到'DummyOptim' object has no attribute 'step'时查：

1. 是不是在 DeepSpeed 模式下调了optimizer.step()？改成engine.step()。
2. config 里有没有声明 optimizer？没有会导致诡异占位。
3. deepspeed.initialize有没有传model_parameters？没传优化器可能造空壳。
4. 是不是和 HuggingFace Trainer 混用又手动 step？Trainer 内部已用 engine.step。
5. 是否 ZeRO-3 +zero.Init自定义 loop？必须走 engine.step。
6. 需要读 lr / param_groups 怎么办？用engine.optimizer读，但别 step 它。
7. 参数到底更新了没？用“step 前后参数是否变化”断言确认 engine.step 生效。

九、小结

'DummyOptim' object has no attribute 'step'是 DeepSpeed 模式下一个非常典型的“误用优化器”错误：

• DeepSpeed 管理参数更新时，返回的optimizer可能是DummyOptim（无step），真正入口是engine.step()；
• 任何optimizer.step()调用在 DeepSpeed 模式下都该改成engine.step()；
• config 必须正确声明optimizer并传model_parameters，避免退化出占位；
• 和 HuggingFace Trainer 配合时，Trainer 内部已用engine.step()，不要在外面再手动 step；
• 用 AST 扫描禁止optimizer.step()+ pytest 断言engine.step()确实更新参数，把问题挡在 CI。

一句话：DeepSpeed 里推进更新用engine.step()，不是optimizer.step()；DummyOptim就是提醒你“step 归 engine 管”。