我目前正在尝试使用deepspeed训练模型。用于训练的代码是典型的Pytorch训练循环;我通过以下脚本初始化deepspeed引擎：

model_engine, optimizer, _, _ = deepspeed.initialize(
    model=model, 
    model_parameters=model.parameters(),
    config_params=train_params['DEEPSPEED_CONFIG'],
)

然后，我使用数据集model_engine.backward（loss）和model_engine.step（）进行常规训练。我可以训练最多4步，它似乎，在它只是停止运行，并给我以下：

[2023-05-13 00:01:23,669] [INFO] [logging.py:96:log_dist] [Rank 0] Wrote metrics to /(local_directory)/autotuning_metric.json, /(local_directory)/autotuning_metric.json
Autotuning: done with running current ds config.

我不知道错误是什么。我监测到错误发生-它通常发生在第5或第6个model_engine.step（）。怀疑内存问题，我通过在代码中调用nvidia-smi来监控内存使用情况，但没有理由怀疑它会耗尽内存-model_engine.step（）之前的内存与model_engine.step（）之前的所有时间大致相同。
任何帮助都非常感谢。