关于断点续训的问题resume_from_checkpoint

[shifop]

在大数据集上，恢复训练无法正常进行，表象是卡在进度0%

在小数据集上可以正常进行

是参数没传对吗？

大数据集的训练脚本

CUDA_VISIBLE_DEVICES=0,1,2,3 \
HF_ENDPOINT=https://hf-mirror.com \
NPROC_PER_NODE=4 \
nohup swift sft \
    --model /HDD/train/output/Qwen2.5-0.5B-Instruct/v1-20250401-234003/checkpoint-68086 \
    --resume_from_checkpoint /HDD/train/output/checkpoint-68086/v9-20250420-214017/checkpoint-2000 \
    --resume_only_model false \
    --custom_register_path /HDD/train/convert/convert.py \
    --train_type full \
    --torch_dtype bfloat16 \
    --system "" \
    --dataset "/HDD/train/data/dataset/lemon/all.27946228.jsonl" \
    --val_dataset "/HDD/train/data/dataset/ecspell/test.jsonl" \
    --streaming true \
    --truncation_strategy delete \
    --num_train_epochs 1 \
    --learning_rate 5.89e-4 \
    --lr_scheduler_type 'cosine_with_min_lr' \
    --lr_scheduler_kwargs '{"min_lr":0.00001}' \
    --eval_steps 500 \
    --max_steps 10713 \
    --save_steps 500 \
    --max_length 220 \
    --warmup_ratio 0 \
    --gradient_accumulation_steps 66 \
    --per_device_train_batch_size 12 \
    --per_device_eval_batch_size 12 \
    --save_total_limit 5 > ./log/lemon.log &

[gmftbyGMFTBY]

遇到了同样的问题，急求解决方案！