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 09:56:54
来源:

猫眼影戏

作者:

胡慎之

手机检察

  猫眼影戏记者 贾汗吉 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1:91高速免费看

??02月14日,新疆阿克苏地区拜城县发生4.8级地震 震源深度16千米,

  亲爱的老师和同学们:

,20020精品国产不卡。

??02月14日,西藏青少年民族传统马术赛在拉萨精彩上演,

  紫山昆、雷明远等人从这里走过,闻言全都翻白眼,都这是什么啊,居然讨论这个。

,超碰网在线视屏,点击屏幕可以爆衣的三国游戏,欧美五级在线视频播放。

??时事2:香草视频污片app

??02月14日,中国以保障性住房再贷款加快推动存量商品房去库存,

  同学们,环保就在每个人身边,只有真正将环保融入人们的生活,地球的生命才会更辉煌,人类的生活才会更美好。

,蜜柚秘密秘 通道,自拍偷拍www,21096期大乐透开奖结果。

??02月14日,大小莲花奥体中心全民健身场地再次开放 还馆于民,

  正是由于这些班主任的辛勤事情,顽强拼搏,我们兴华学校才恒久不衰,继往开来,与时俱进。

,国产 浪潮精品福利免费看,tobu8馃憴1004k,Tentacion琳VK图库。

??时事3:女人脱个精光桶给男人看

??02月14日,广州市政协常委霍启文建议南沙建国际人才特区,

  为了把我们班打造成为一个充满生机活力的人生乐园,下面我论述一下我们班级的一些要求。我们班级的口号是:让每个四班的同学都有一个精彩的人生。为此,为了班级的积极上进,为了同学们的久远利益,老师会严格治理班级,有时甚至会冷酷无情。我希望同学们能够理解老师的苦心,千万不要以为老师是和你作对,我们的目标一致,没有任何冲突,我的职能就是为了治理好班级,让各人顺利走进大学,让各人有一个精彩的人生。因此请同学们记着我们班级的治理原则:严字当头,学习第一,追求卓越,和谐至上。四班不接待不上进的学生,四班不接待不学习的学生,四班不接待不卓越的学生,四班不接待破坏和谐的学生!

,欧美老妇激情BBBWWBBW,婷婷 一区 在线,国产精品久久久久影院。

??02月14日,应对高温干旱 河南多地多举措抗旱保秋,

  许多人叹息,这个名字自己就代表了极境,难有人可以逾越,他虽年少,可是却足以傲世而行。

,超碰电影在线,两人一上一下打扑克视频原声,何开长与张秀龙什么关系。

??时事4:那里能看毛片

??02月14日,共同书写中国式现代化建设新篇章——热烈祝贺全国两会胜利闭幕,

  即便如此,这块青石也显得极为惊人,小不点单臂一晃,别嗣魅这是一块青石,就是一块神铁也能拍烂 ?墒,他动用了十几万斤的惊世巨力,也执偾将青石拍裂开一道漏洞罢了。

,亚洲色欲综合网,A片在线观看视频国产专区,jizzfree123。

??02月14日,第十五届中国航展:参观者体验各式装备,

  而一群老人则更是笑的合不拢嘴,预想中的最好情况终于渐渐泛起了,石村在苏醒与强大,也许有朝一日真的能再现上古辉煌。

,3773.t∨白狐,XNXX五月免费在线视频,超碰国产精品导航。

【最高检:深挖严打电信网络诈骗犯罪幕后“金主”】

【中国建设银行优秀县域支行巡礼丨陕西府谷支行】

责编:袁珊签

审核:金紫

责编:郝汉祯

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