【Bug已解决】INF encountered when using sampling with temperature. 解决方案

一、现象长什么样

用 Transformers 做采样生成时，一旦带上temperature，偶尔会整批输出inf甚至直接崩在torch.multinomial上：

from transformers import AutoModelForCausalLM, AutoTokenizer tok = AutoTokenizer.from_pretrained("gpt2") model = AutoModelForCausalLM.from_pretrained("gpt2").cuda().half() # fp16 out = model.generate( tok("Hello", return_tensors="pt").input_ids.cuda(), do_sample=True, temperature=0.1, max_new_tokens=20, )

报错或异常行为：

RuntimeError: probability tensor contains either `inf`, `nan` or element < 0

或者没有抛错，但生成结果全是重复 token、半角符号、乱码——本质是 softmax 之后某一项变成了inf，softmax 被inf污染，采样退化为 argmax 或随机乱跳。

最迷惑的地方在于：同一个模型，把temperature去掉（纯 greedy /do_sample=False）就完全正常；把temperature调到1.0也基本正常；只有temperature取很小的值（比如0.1、0.01）时高频出现。这种「条件触发」让很多同学以为是数据问题，浪费大量时间。

二、背景

temperature在采样里的标准做法是：先把 logits 除以温度，再做 softmax，然后 multinomial 采样。

# 标准公式 probs = torch.softmax(logits / temperature, dim=-1) next_token = torch.multinomial(probs, num_samples=1)

温度越小，logits 被放得越大。当temperature=0.1时，相当于 logits 放大 10 倍。如果原始 logits 里某些通道数值偏大（尤其在 fp16 下，logits 本身就是半精度，动态范围窄），放大之后很容易超过 fp16 的表示上限 65504，变成+inf。+inf进了 softmax：

softmax([inf, x, y]) -> [1, 0, 0] # 看起来还行？

但如果不止一个+inf（比如多个通道都溢出），softmax 变成inf - inf的nan，然后 multinomial 直接抛上面的RuntimeError。

更隐蔽的是另一类成因：减最大值（numerical stability）这一步在 fp16 下被「反向放大」了。常规 softmax 会先logits - logits.max()防溢出，但这是针对「不缩放」的情况。一旦先除以温度再减最大值，或者减最大值用的是放大后的数值，稳定项本身也被放大，等于没稳定。

还有第三个成因：在LogitsProcessor里，有的实现用torch.where(condition, -inf, scores)做 mask，然后在 fp16 下-inf / temperature仍是-inf，但反过来的+inf通道没被处理，于是正负无穷并存，softmax 出nan。

三、根因

根因归纳为一句话：温度缩放把数值放大后，既没有在缩放前做稳定化，也没有对溢出/无穷做兜底，导致 fp16 下的 logits 溢出成inf/nan，污染了 softmax 与采样。

具体三处：

1. 缩放顺序错误：代码在 fp16 张量上直接logits / temperature，放大发生在「减最大值」之前（或之后但用了放大后的值），稳定项失效。
2. dtype 不匹配：logits 是 fp16，温度缩放与 softmax 全在 fp16 算，动态范围不够。正确做法是把缩放挪到 fp32 下做，再回 fp16/交给采样。
3. 无穷未兜底：mask 产生的-inf、溢出产生的+inf没有被统一检测与替换，softmax 在「多无穷」时产生nan。

这不是模型的问题，也不是数据的锅，而是采样前置处理（temperature 缩放 + softmax）在半精度下的数值稳定性缺失。

四、最小可运行复现

下面这段不依赖真实大模型，手动构造会溢出的 logits，把问题放大给你看：

import torch def naive_sample(logits, temperature): # 模拟 transformers 里「直接在 logits 上除温度」的朴素实现 scaled = logits / temperature probs = torch.softmax(scaled, dim=-1) return torch.multinomial(probs, num_samples=1) # fp16 下，构造几个很大的 logit（模拟模型输出极值） logits_fp16 = torch.tensor([[30000.0, -5.0, 20.0, 100.0]], dtype=torch.float16, device="cuda") for t in [1.0, 0.5, 0.1, 0.01]: try: tok = naive_sample(logits_fp16, t) print(f"temperature={t}: 采样成功, token={tok.item()}") except Exception as e: print(f"temperature={t}: 崩溃 -> {type(e).__name__}: {e}") # 验证溢出：直接看缩放后的值 scaled = logits_fp16 / 0.01 print("scaled 是否含 inf:", torch.isinf(scaled).any().item()) print("scaled 是否含 nan:", torch.isnan(scaled).any().item())

跑出来你会看到：temperature=1.0还可能正常，一旦到0.1、0.01，scaled里30000/0.01 = 3_000_000远超 fp16 上限 →inf，softmax([inf, ...])在多无穷情况下出nan，multinomial抛错。这就精确复现了线上现象。

五、解决方案（第一层：最小直接修复）

最小修复：在 fp32 下做温度缩放与 softmax，并对无穷做兜底。这是一个可直接替换进采样流程的稳定函数：

import torch def stable_sample(logits, temperature=1.0, top_k=0, top_p=1.0, generator=None): # 1) 统一升到 fp32，避免半精度溢出 scores = logits.to(torch.float32) # 2) 先做数值稳定（减最大值），再做温度缩放 scores = scores - scores.max(dim=-1, keepdim=True).values if temperature != 1.0 and temperature > 0: scores = scores / temperature # 3) 兜底：任何残留的 inf/nan 都替换成极端但不致命的值 scores = torch.where(torch.isfinite(scores), scores, torch.full_like(scores, -1e4)) # 4) top_k / top_p 过滤（可选，但建议保留） if top_k and top_k > 0: kth = torch.topk(scores, top_k).values[..., -1, None] scores = torch.where(scores >= kth, scores, torch.full_like(scores, -1e4)) if top_p < 1.0: sorted_logits, sorted_idx = torch.sort(scores, descending=True) cum = torch.cumsum(torch.softmax(sorted_logits, -1), -1) remove = cum > top_p remove[..., 1:] = remove[..., :-1].clone() remove[..., 0] = False mask = remove.scatter(-1, sorted_idx, remove) scores = torch.where(mask, torch.full_like(scores, -1e4), scores) probs = torch.softmax(scores, dim=-1) # 5) 采样前再确认没有 inf/nan if torch.isnan(probs).any() or torch.isinf(probs).any(): probs = torch.ones_like(probs) / probs.shape[-1] return torch.multinomial(probs, num_samples=1, generator=generator) # 用第四节的溢出 logits 验证 bad = torch.tensor([[30000.0, -5.0, 20.0, 100.0]], dtype=torch.float16, device="cuda") for t in [1.0, 0.5, 0.1, 0.01]: tok = stable_sample(bad, temperature=t) print(f"temperature={t}: 稳定采样成功, token={tok.item()}")

关键改动：

• 缩放前先升 fp32，再减最大值，温度缩放作用于「已稳定」的 scores，不会再溢出。
• 用torch.where(isfinite, x, -1e4)把任何inf/nan变成「极小但有限」的值。这样多个溢出通道不会凑出nan。
• 采样前最后再 check 一次，彻底杜绝multinomial抛错。

这一步单独就能让带温度的 fp16 采样稳定运行。

六、解决方案（第二层：结构性改进）

第一层是「在采样函数里修一处」。但生成入口很多（model.generate、TextGenerationPipeline、各种LogitsProcessor、训练时 teacher forcing 的采样），最好在框架层放一个统一的「温度缩放 + 稳定化」策略，让所有入口共用。

下面用 dataclass 作为单一事实来源：

from dataclasses import dataclass, field from typing import Optional import torch @dataclass class TemperatureScaler: """统一的温度缩放与数值稳定策略。""" # 是否在缩放前升 fp32（fp16/bf16 下强烈建议 True） upcast_to_float32: bool = True # 缩放后兜底替换值（有限，避免 nan） finite_floor: float = -1e4 # 允许的最小温度，避免 0 导致除零 min_temperature: float = 1e-3 # 缩放前是否减去最大值做稳定 subtract_max: bool = True def __call__(self, logits: torch.Tensor, temperature: float) -> torch.Tensor: if temperature is None or temperature == 1.0: return logits temp = max(temperature, self.min_temperature) work = logits if self.upcast_to_float32: work = work.float() if self.subtract_max: work = work - work.max(dim=-1, keepdim=True).values work = work / temp work = torch.where( torch.isfinite(work), work, torch.full_like(work, self.finite_floor), ) return work def safe_softmax(self, scaled: torch.Tensor) -> torch.Tensor: probs = torch.softmax(scaled, dim=-1) bad = torch.isnan(probs) | torch.isinf(probs) if bad.any(): # 退化到均匀分布，保证采样永远可跑 probs = torch.where(bad, torch.full_like(probs, 1.0 / probs.shape[-1]), probs) return probs # 用法：任何采样入口都先过它 scaler = TemperatureScaler() scaled = scaler(fp16_logits, temperature=0.1) probs = scaler.safe_softmax(scaled)

结构上的收益：

• 统一入口：generate、pipeline、训练采样器全部调用同一个TemperatureScaler，不会某个入口忘做稳定化。
• 配置化：upcast_to_float32、finite_floor、min_temperature都可按硬件/精度调，不用改逻辑。
• 兜底确定性：safe_softmax保证「永远返回合法的有限概率分布」，下游multinomial再也不会因inf/nan崩。

七、解决方案（第三层：断言 / CI 守护）

写一组 pytest，守两条铁律：(1) 任意温度任意精度下，采样都返回有限概率；(2) 溢出 logits 不会让采样崩。

import torch import pytest from your_lib import TemperatureScaler @pytest.mark.parametrize("temperature", [1.0, 0.5, 0.1, 0.01, 1e-4]) @pytest.mark.parametrize("dtype", [torch.float32, torch.float16, torch.bfloat16]) def test_temperature_never_produces_inf_or_nan(temperature, dtype): if dtype == torch.float16 and not torch.cuda.is_available(): pytest.skip("fp16 需 cuda") scaler = TemperatureScaler() # 构造会溢出的极端 logits logits = torch.tensor( [[30000.0, -5.0, 20.0, 100.0, -30000.0]], dtype=dtype, device="cuda" if torch.cuda.is_available() else "cpu", ) scaled = scaler(logits, temperature) probs = scaler.safe_softmax(scaled) assert torch.isfinite(probs).all(), f"{dtype} t={temperature} 出现非有限概率" assert probs.shape == (1, 5) # 概率和应为 1 assert torch.allclose(probs.sum(-1), torch.ones(1, device=probs.device), atol=1e-4) def test_multinomial_runs_on_overflow(): scaler = TemperatureScaler() logits = torch.tensor([[30000.0, 30001.0, -5.0]], dtype=torch.float16) scaled = scaler(logits, 0.01) probs = scaler.safe_softmax(scaled) # 不抛 RuntimeError sampled = torch.multinomial(probs, num_samples=1) assert sampled.shape == (1, 1) def test_temperature_zero_guard(): scaler = TemperatureScaler(min_temperature=1e-3) logits = torch.randn(1, 10) # 即使传 0，也会被钳到 min_temperature，不除零 scaled = scaler(logits, 0.0) assert torch.isfinite(scaled).all()

CI 常驻跑这三个测试后，任何「把缩放挪回 fp16」「去掉兜底」的改动都会立刻失败。

八、排查清单

采样出现inf/nan时按顺序排查：

1. 先去掉temperature试 greedy：正常说明问题在「缩放 + 精度」，不在模型或数据。
2. 确认logits.dtype：如果是 fp16/bf16，立刻怀疑溢出。把缩放改到 fp32 再试。
3. 确认缩放顺序：必须「先减最大值（稳定）再除以温度」，而不是反过来。
4. 检查有没有torch.where(cond, -inf, x)这类 mask：-inf会和+inf共存导致nan，需统一兜底。
5. 确认temperature不会被传0：除以 0 直接inf，必须钳最小值。
6. 若用了top_k/top_p，确认过滤用的是「替换成有限极小值」而非「乘 0」——乘 0 后-inf*0 = nan。
7. 多卡/AMP 下，确认 logits 进入采样前没有在半精度下经历额外的大数运算（如重复缩放）。

九、小结

「带 temperature 采样出现 inf」不是玄学，而是半精度下「先做温度缩放、后做稳定化」顺序颠倒，叠加无穷未兜底导致的数值溢出。修复三层次：第一层在 fp32 下「减最大值 → 除温度 → 兜底无穷」，让单次采样稳住；第二层用TemperatureScalerdataclass 把策略收敛为框架统一入口，所有采样路径共用；第三层用 pytest 守「任意温度任意精度都返回有限概率」「溢出 logits 不崩 multinomial」。

工程启示：任何涉及「除以一个可能很小/很大系数」的半精度计算，都要把缩放挪到高位精度、缩放后做稳定、并对无穷显式兜底。采样、对比学习温度系数、对比损失里的tau、知识蒸馏的T都是同一个坑，照此处理即可。