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 10:57:58
来源:

猫眼影戏

作者:

马丁·鲍曼

手机检察

  猫眼影戏记者 林晓雪 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:无码专区视频中文字幕

??02月14日,中新健康|国家药监局公布5起药品经营专项检查违法案件典型案例,

  群学要求:积极谈话,别人讲的时候我们要注意边听边思考,作好条记 。

,一级做a爰片久久毛片潮喷动漫 。

??02月14日,拥抱前沿技术 开辟生命科学新赛道,

  今天,校团委在这里隆重举行新团员宣誓仪式,很兴奋能够加入今天的仪式,聆听同学们的心声,感受同学们的激情,与各人一起体验青春的美丽,一起见证生命的生长 。在此,我谨代表学校党支部并以我个人的名义向你们致以诚挚的祝贺和美好的祝愿!

,快猫在线视频APP下载,久久综合毛片,自拍视频15页 。

??时事2:国产兽交视频XXXCDM

??02月14日,还在刮!北京今天大风仍在线阵风6级 最高气温1℃,

  果真,相距足够远,柳条并没有发动攻击,只有一层朦胧的光晕笼罩了整片村子,箭羽全部破坏,射不进去 。

,国产巨乳 自慰,大ji巴操我啊啊啊,FXX凡小晓工作室 。

??02月14日,前三季度广东农民人均可支配收入同比增长6.3%,

  “若万一寻不到呢?”一位老人提醒 。

,爱看日韩高清无码,最近中文字幕在线MV直播,亚洲爱黄色 。

??时事3:精品黄片片片片

??02月14日,成都警方破获一起制售假冒品牌火锅调和油案 涉案金额1400余万元,

  小不点并不绝手,第一轮银月昏暗后又祭出第二轮银月,猛斩不绝,终于喀嚓一声,鼠王的骨骼断裂了部分,遭受了重创 。

,久久精品9999热,好看的黄色毛片,人体在线不卡视频 。

??02月14日,美国一小学发生枪击致两名学生受伤 警方:既可怕又可悲 ,

  太古时期,神禽、天阶凶兽等以此来权衡子嗣,判断日后的成绩,但并非每一个幼崽都有那种极境潜能 。

,qvod a,黄网址在线观看免费观看,麻豆天美蜜桃精东中文字幕在线 。

??时事4:色呦呦2023

??02月14日,探访澳大利亚悉尼唐人街,

  “我看到了,那头狻猊撕裂了许多凶兽,将那片山林化成了一片禁地,鸟兽踪迹皆无 。”

,一区二区三区四,精产国品一二三产品998,国产精偷伦视频在线观看 。

??02月14日,安理会讨论乌克兰儿童生存状况 中方代表呼吁化解冲突 让儿童免于战乱,

  20xx年中秋节即将到来,凭据上级通知精神,我校中秋节放假时间为9月6日—9月8日放假,放假3天,9月8日开始上课 。下面就中秋节应注意的宁静问题做如下要求:

,亚洲福利一区二区三区美女导航,全国毛片网站,日本伦片免费观看 。

责编:柏杨

审核:黄深钢

责编:裴军运

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