尊龙人生就是博

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 全国党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek用的GRPO占用大宗内存?有人给出了些破解要领

2025-02-14 10:29:08
来源:

猫眼影戏

作者:

王永昌

手机检察

  猫眼影戏记者 刘华伟 报道P6F9A2Y5R3B1T0V4X8W

选自oxen.ai 作者:Greg Schoeninger 编译:陈陈、泽南 RTX 3080 移动版能训练哪种大模型?本文为那些 GPU 资源有限时使用 GRPO 训练的开发者提供了名贵的指导 。 自 DeepSeek-R1 宣布以来,群组相对战略优化(GRPO)因其有效性和易于训练而成为大型语言模型强化学习的热门话题 。R1 论文展示了如何使用 GRPO 从遵循 LLM(DeepSeek-v3)的基本指令转变为推理模型(DeepSeek-R1) 。 GRPO 是一种在线学习算法(online learning algorithm),它通过使用训练历程中由训练模型自身生成的数据来进行迭代革新 。GRPO 的目标是最大化生成补全(completions)的优势函数(advantage),同时确保模型坚持在参考战略(reference policy)四周 。 本文的目的是帮你节省一些时间,让你凭据硬件预算选择合适的模型巨细 。在开始微调时,你必须做出的重要决定是选择模型巨细,以及你是执行完全微调照旧参数高效微调(PEFT) 。 文章作者来自 AI 公司 Oxen.ai 的 CEO Greg Schoeninger 。 原文链接:https://www.oxen.ai/blog/grpo-vram-requirements-for-the-gpu-poor 作者体现,他发明 trl 库中已经有一个易于使用的 GRPO 实现,便立刻开始了训练,使用的硬件是配备了 16GB 显存的 Nvidia GeForce RTX 3080 的小型条记本电脑 。正如各人可能遇到的问题,作者发明示例代码中的参数设置导致了一个巨大的显存缺乏(OOM,out of memory )过失 。 torchOutOfMemoryErrorCUDAoutof memoryTriedto allocate1.90GiBGPU0has a total capacity ofGiBof which1.28GiBisfreeIncludingnonPyTorchmemorythisprocess hasGiBmemoryinuseOfthe allocated memoryGiBisallocatedbyPyTorchand2.41GiBisreservedbyPyTorchbut unallocatedIfreserved but unallocated memoryislargetrysetting PYTORCH_CUDA_ALLOC_CONFexpandable_segmentsTrueto avoid fragmentationSeedocumentationforMemoryManagement//pytorch.org/docs/stable/notes/cuda.html#environment-variables) 实际使用情况 作者体现,他们进行了一系列实验,以确定训练种种巨细的模型所需的显存(VRAM)要求 。参数数量从 5 亿到 140 亿不等,他们比较了权重的完全微调与参数高效微调(使用 LoRA),所有训练运行都在英伟达 H100 上完成,因此这里的 OOM 意味着 >80GB 的 VRAM 。 在表格中,你可以找到 GSM8K 数据集上训练的前 100 步中的峰值内存使用情况 。用于实验的模型是: 所有实验均使用 Shadeform 的 GPU 市场完成,因此每次实验只需要花费几美元 H100 。 实验结果标明,内存需求随着模型巨细和训练方法的差别而显著变革 。例如,全参数微调比 PEFT 需要更多的内存 。 为什么 GRPO 对内存需求较高 这要从 GRPO 的原理说起,这是它的流程图 。 GRPO 对内存需求较高的原因在于,其内部涉及多个模型,并且在训练数据中每个盘问会爆发多个输出 。上图中的战略模型、参考模型和奖励模型各自都是一个需要进行推理的 LLM 。(尽管从技术上讲,奖励模型可能不需要参数化,可以只是一个 Python 函数或正则表达式,但不影响 GRPO 对内存的高需求 。) 为什么 8-Bit 优化和梯度检查点有助于减少内存占用? 通常来讲,训练一个大型语言模型需要在内存中存储三种主要类型的信息:模型参数、模型学习所需的梯度、优化器的跟踪数据 。 对上述内容我们可以这样理解:如果模型的参数占用了 X 的空间,那么梯度也会占用约莫相同的空间 。然后,像 AdamW 这样的优化器需要更多的空间,因为它们就像一个纪录员,跟踪最近的更新历史,以便更好地决定未来的优化 。 为了减轻这种内存担负,通常接纳两种技术: 首先,可以使用像 AdamW 这样的 8-bit 优化器版本,它们能更高效地存储跟踪数据,同时仍坚持良好的性能 —— 类似于压缩照片可以节省空间,同时保存大部分图像质量;其次,使用梯度检查点技术,这就像在训练历程中拍摄快照,而不是纪录所有内容 。虽然这会使逊з度减慢约 20-30%,但它显著减少了内存使用 。 结合这些技术,纵然对 GPU 资源有限的人来说,也能够训练更大的模型 。 代码示例 像 trl 这样的库已经开始支持 GRPO,使得微调由 transformers 组成的 LLM 变得很是简单 。代码也很是简洁,只需将训练器替换为 GRPOTrainer 并界说一些奖励即可 。GRPO 的最小代码量约莫只有 99 行,如果你使用的是像 meta-llama/Llama-3.2-1B-Instruct 这样的小型模型和像 openai/GSM8K 这样的数据集,可以非?焖俚仄舳 。 trl 项目地点:https://github.com/huggingface/trl?ref=ghost.oxen.ai importtorchfromdatasetsimportload_datasetDatasetfromtransformersimportAutoTokenizerAutoModelForCausalLMfromtrlimportGRPOConfigGRPOTrainerimportreSYSTEM_PROMPTRespond in the following format:defextract_hash_answertextstrstrNoneif"####"notintextreturnNonereturntextsplit"####"1stripdefget_gsm8k_questionssplit"train"Datasetdataload_dataset'openai/gsm8k''main'splitdatadatamaplambda'prompt''role''system''content'SYSTEM_PROMPT},'role''user''content''question'],'answer'extract_hash_answer'answer'returndatadefextract_xml_answertextstrstranswertextsplit1answeranswersplit""0returnanswerstripdefformat_reward_funccompletionskwargslistfloat"""Reward function that checks if the completion has a specific format."""patternr"^\n\n$"\n.*?\n\n.*?\nresponsescompletion0"content"forcompletionincompletionsmatchesrematchpatternrforrinresponsesreturn0.5ifmatchelse0.0formatchinmatchesdefaccuracy_reward_funcpromptscompletionsanswerkwargslistfloat"""Reward function that extracts the answer from the xml tags and compares it to the correct answer."""responsescompletion0'content'forcompletionincompletionsextracted_responsesextract_xml_answerrforrinresponsesreturn2.0ifraelse0.0forrainzipextracted_responsesanswerdefmaindatasetget_gsm8k_questionsmodel_name"meta-llama/Llama-3.2-1B-Instruct"modelAutoModelForCausalLMfrom_pretrainedmodel_nametorch_dtypetorchbfloat16attn_implementation"flash_attention_2"device_mapNoneto"cuda"tokenizerAutoTokenizerfrom_pretrainedmodel_nametokenizerpad_tokentokenizereos_tokentraining_argsGRPOConfigoutput_dir"output"learning_rate5e-6adam_beta10.9adam_beta20.99weight_decay0.1warmup_ratio0.1lr_scheduler_type'cosine'logging_steps1bf16Trueper_device_train_batch_size1gradient_accumulation_steps4num_generations4max_prompt_length256max_completion_length786num_train_epochs1save_steps100save_total_limit1max_grad_norm0.1log_on_each_nodeFalsetrainerGRPOTrainermodelmodelprocessing_classtokenizerreward_funcsformat_reward_funcaccuracy_reward_func],argstraining_argstrain_datasetdatasettrainertrainif__name__"__main__"main Num Generations 有什么用 Num Generations 是一个超参数,它决定了我们将在训练数据中对每个盘问采样几多个补全 。然而,这会显著增加 VRAM 的消耗 。 目前有一个开放的 GitHub 问题,可能会资助解决内存瓶颈问题,可以参考如下链接 地点:https://github.com/huggingface/trl/issues/2709?ref=ghost.oxen.ai 关于 num_completions=8,16,64 (DeepSeekMath 论文使用的 64),作者体现,不必再次盘算上述所有值,而是使用了 1B 参数模型进行了测试,以显示内存增长 。不过,作者照旧建议各人在内存瓶颈获得修复之前使用 num_generations=4,也能获得不错的性能 。 影响 VRAM 的一些因素 要对所有影响显存(VRAM)使用的因素进行全面的超参数验证,需要进行大宗的实验 。简单起见,这里只指出了需要注意的设置,以及实验中使用的具体数值 。 batch_size=1,由于 GRPO 为每个盘问生成多个响应,batch size 会迅速失控 。gradient_accumulation_steps=4,优化器是另一个占用大宗 VRAM 的地方 。此参数决定了我们将存储的梯度以资助优化器进行其「爬山」历程 。num_completions=4,DeepSeekMath 论文中使用了 64 。这完全凌驾了有些人的盘算预算 。max_prompt_length=256,如果你想训练模型拥有更大上下文的推理能力,将不得不增加 VRAM 。GSM8K 的提示相对较小,适合此测试 。max_completion_length=786,同样,由于盘算注意力的内存有限,推理链在这里受到限制 。上下文或生成的 token 越多,需要的内存就越大 。LoRA target_modules=["q_proj", "k_proj", "o_proj", "up_proj", "down_proj"] 在这方面可以实验几种差别的迭代 。target_modules="all-linear" 是一种流行的方法,可以从你的 LoRA 中挤出最多的性能(就准确性而言) 。 对 VRAM 使用的大概估算 如果你正在使用 FP16 精度进行训练,以下是一些简单的估算要领,可以资助你了解内存主要用在了哪些地方: 模型参数:每个参数占用 2 字节 。参考模型参数:每个参数占用 2 字节 。梯度:每个参数占用 2 字节 。优化器状态:每个参数占用 8 字节 。8 位优化器:每个参数占用 4 字节 。PEFT:有助于减少梯度的显存占用 。 最后是关于准确率的 。作者完成了一个 10 亿参数的 Llama 3.2 模型的完整训练 。在应用 GRPO 之前,该模型在保存测试集上抵达了约 19% 的准确率,而在经过一个训练周期后,模型的准确率飙升至约 40.5% 。虽然这离 SOTA 水平还差得很远,但这展示了 GRPO 的强大潜力 。

??时事1:天美精东糖心果冻星空

??02月14日,李光灿高原、三峡作品艺术展在拉萨开幕,

  我校近年来取得的优异结果、迅猛生长和良好声誉是靠我们所有同学、所有老师长年累月的配合努力、配合拼搏好禁止易获得的,所以,我们要特别珍惜,我们要发挥光大 。无论你考进了重点高中照旧其他学校,甚至走向社会,到任何时候,任何地方我们都要以一经是临巴中学的学生而自豪!我们都不可丢临巴中学的脸!都要为临巴中学争光添彩!做母校的形象代言人、义务宣传员,更要用我们的实力来让人家不得不佩服、不得不刮目相看!

,1819macbookpro中国 。

??02月14日,美政客鼓吹“中国威胁” 汪文斌驳斥:被害妄想症越来越严重了,

  虽然,小家伙很智慧,知道大孩子们此时并不是真的在笑话他,而是在照顾与;に,不想他第一个上去而冒险 。

,夜间高清无码视频,精东app最新版本下载污,情糜小说无删减版 。

??时事2:国产黄大片观看视频播放

??02月14日,谈乒坛新面孔 孙颖莎称国乒也有很多新秀,

  另一片大地上,同样城廓诸多,人口也足有数千万,这是另一个王侯的领地,雄伟而巨大的王宫中,隆隆雷鸣响起,震的许多铁甲兵卫颤抖,险些要跪倒在地上 。

,妺妺的第一次有点紧h,易易精app官方下载,天天砰天天插 。

??02月14日,新疆沙雅:470万亩原始胡杨林吸引众多游客观赏,

  “这憨娃都能突破极境,我怎么觉得有猫腻啊,也不知道是哪里差池头!”

,中华小狼友app网址,小秘书被操哭小说,人妻视频免费一区二区三区 。

??时事3:mm625欧美性爱在线观看

??02月14日,港澳台青年“天府之国”探秘大熊猫,

  我们党在领导革命、社会主义现代化建设和革新开放的历程中,历来是十分重视干步队伍的思想作风建设的 。我们可以简单地回首一下,如果没有不怕牺牲、敢于胜利的作风,我们党就不可赢得万里长征、抗日战争息争放战争的胜利,就不可赢得新中国的建立;如果没有开拓立异、求真务实的作风,社会主义建设就不可取得今天这样辉煌的成绩,革新开放事业就不会有今天这样的局面 。我们千人桥近年来,生长迅猛,取得的一个又一个成绩,这与全镇上下发挥真抓实干、埋头苦干的事情作风分不开的 。

,锵锵锵锵锵锵锵好大jk小说,乡村风流韵事,男人懂得的app给一个 。

??02月14日,(深化改革看山东)山东开出医疗改革“处方” “患”位思考做好“兜底文章”,

  紫山昆与雷明远被砸的惨叫,即便他们肉身强大,可是也架不住更厉害的小不点折腾,就地就瘫软了,痛彻心扉 。

,张津瑜记者九分钟,美女被强奸伦乱在线,求没有封的网站 。

??时事4:亚洲国产另类久久久精品黑人

??02月14日,水花消失术如何练成?跳水“梦之队”的“武功秘籍”来了,

  众人很沮丧,不少部落联手,兴师动众而来,却是这样一个结果,让人心中很是不甘 。

,云搜 一区 动漫 二区,日本理伦片和搜子同居的日子,国产精品㊙️入口麻豆孕妇 。

??02月14日,中国驻美国大使:关税武器化不可能包治百病,

  “轰隆”一声,假山坍毁,将他埋在了下方,烟尘冲起 。

,国产精品无码福利,色天堂污视频给大家科普一下,97超碰天天摸日日插 。

【广东去年新收一审行政案件和行政非诉审查案件“双下降”】

【中国体操女队结束奥运选拔 邱祺缘全能头名】

责编:朱明瑛

审核:查克·哈格尔

责编:张玉泉

相关推荐 换一换

Copyright (C) 2001-2025   dzwww.com. All Rights Reserved

新闻信息效劳许可证 - 音像制品出书许可证 - 广播电视节目制作经营许可证 - 网络视听许可证 - 网络文化经营许可证

山东省互联网传媒集团主办  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001-2025 Dzwww   鲁ICP备09023866号-1

网站地图