ms-swift 3.x和2.x中参数不一致的暗坑

虽然ms-swift 3.x发布也有一段时间 官方文档也对使用上参数的变动做了一些说明 

ReleaseNote 3.0 — swift 3.2.0.dev0 文档
但是这个说明基本上都是说 某些参数的命名 发生了变化 
对于一些 参数命名没变但默认值/使用方式 的变化 暂时还没给出说明/统计文档

我这边基于工作中遇到的一些坑，整理了部分，希望大家在使用的时候留意。
注意，在这个文档里官方已给出的参数差异我在这不做赘述分析，只展示我个人发现的一些暗坑，时间关系没有做精准校对，如果发现写错or官方更新文档 还请评论区提醒我

一、MLLM中sft full时默认可训练参数的变化

在swift2.x版本中，对MLLM进行SFT full训练的时候，默认是全参数训练的，见

但是在3.x中很坑的一点是默认只训练LLM，冻结vision encoder和adapter。。。

所以在swift 3.x用full sft训练MLLM的时候，切记把freeze_vit和freeze_aligner参数设置为False

二、梯度累加gradient_accumulation_steps

这个参数影响了total_batch_size或者说模型训练花的steps

在2.x中，默认为一个公式计算方法，以8卡为例，这个数值默认为2，也就是说total_batch_size会翻倍

然而在3.x中，默认为1

所以就会导致如果非16卡训练，2.x中和3.x中即使对齐了batch_size，最终的训练step也会有出入。

三、推理的时候--model和--adapters的区别

官方总文档里应该是有写这俩参数的区分，但是因为踩过坑，我在这里再注明一下
当全参数(sft full)训练的时候，推理infer的时候用--model xxx/path
当lora训练的时候，推理用--adapters xxx/path