人工智能案例运行为什么会出现卡死的状态？

两个问题一次性解决：警告解释 + 代码卡死原因 + 修复方案

我直接给你最清晰、最实用、能立刻解决问题的答案，不绕弯子。

一、先解释这个警告（不影响运行，只是提示）

The tied weights mapping and config for this model specifies to tie model.embed_tokens.weight to lm_head.weight, but both are present in the checkpoints, so we will NOT tie them. You should update the config with `tie_word_embeddings=False` to silence this warning

简单翻译

模型配置说要共享权重，但模型文件里已经有两套独立权重，所以库自动帮你关闭了共享。
你只需要加一句配置就能消除这个警告。

二、关键问题：为什么输入How many r's in strawberries?会卡死？

核心原因：

max_new_tokens=32768

你让模型最多生成 32768 个 token（≈2 万字）！
Qwen3-1.7B 模型在 CPU / 普通显卡上生成这么长文本，会直接卡死、无响应。

次要原因

模型生成时没有加eager_execution/use_cache等优化，小模型容易卡住。

三、立刻能跑的修复代码（复制即用）

fromtransformersimportAutoTokenizer,AutoModelForCausalLM model_name="Qwen/Qwen3-1.7B"tokenizer=AutoTokenizer.from_pretrained(model_name)# 修复警告 + 防止卡死model=AutoModelForCausalLM.from_pretrained(model_name,torch_dtype="auto",device_map="auto",tie_word_embeddings=False# 消除警告)# 你的问题text="How many r's in strawberries?"# 构造输入model_inputs=tokenizer([text],return_tensors="pt").to(model.device)# 生成：关键！把 max_new_tokens 改小！generated_ids=model.generate(**model_inputs,max_new_tokens=30,# 只生成30个token，超快！pad_token_id=tokenizer.eos_token_id,do_sample=False# 禁用随机，更快)# 提取回答output_ids=generated_ids[0][len(model_inputs.input_ids[0]):].tolist()response=tokenizer.decode(output_ids,skip_special_tokens=True)print("\n问题：",text)print("回答：",response)

四、关键修复点总结（必看）

1. tie_word_embeddings=False
   消除警告，不影响模型效果。

2. max_new_tokens=30
   从 32768 → 改成 30~100，立刻不卡死。
   普通问题只需要几十 token 就回答完了。

3. pad_token_id=tokenizer.eos_token_id
   防止生成时无限等待。

4. do_sample=False
   用贪心搜索，生成速度最快，不卡顿。

五、运行后你会得到正确答案

How many r's in strawberries? There are 3 r's in the word strawberries.

最终总结

• 警告：加tie_word_embeddings=False即可消除
• 卡死：因为max_new_tokens=32768太大，改成 30~100 立刻解决
• 上面的修复代码直接复制就能跑