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 01:50:39
来源:

猫眼影戏

作者:

罗有荣

手机检察

  猫眼影戏记者 钟姝 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:性性性性com

??02月14日,江苏特种设备焊接技能高手在扬州同台竞技,

金条逾期三个月以上,是指借款人在约定的款期限内未能准时偿还金条贷款。这种情况下,不但对借款人造成一定的经济损失,可能面临执法危害。本文将探讨金条逾期三个月以上的结果以及应对之策。 一、金条逾期三个月以上会怎么样 1. 信用纪录受损:关于金条逾期三个月,导致信用纪录受损,信用评级下降,进而...

,精品污网站在线观看网站。

??02月14日,五一观澜|消费热潮传递经济“主引擎”加油轰鸣声,

  唯一庆幸的是,独角兽跑的太快了,若是其他生物,险些一眨眼就被追上了,尽管如此,被追上也是早晚的事。

,4399日本视频,日产国产精品五月入口噜,老师141章厨房激情。

??时事2:ts操逼视频

??02月14日,内蒙古成立设施农业绿色发展技术研究院,

  “好强!”小不点受惊,这头祭灵非 ?膳,比想象的还要强一大截。

,詹妮弗劳伦斯60张,性爱视频免费一区二区三区,在线a久青草视频在线。

??02月14日,暧暧远人村|江西婺源篁岭村:看得见的乡愁 一方山间的“调色盘”惊艳世界,

  (五)加入了xx市少先队鼓号操大赛。这次角逐时间紧,任务重,卖力训练的、x老师支付了艰辛的劳动。这次角逐展示了我校少先队员生机蓬勃、积极向上的精神风貌,赢得了评委及观众的一致好评,教体局卖力同志给予我校高度评价。

,男女搞基屁股视频软件,久久婷婷五月综合,91精品搜胡网。

??时事3:森林里的熊先生冬眠中动漫

??02月14日,保安劝阻游客搭帐篷被威胁工作不保?涉事酒店:忠于职责,未辞退,

  四头生灵,神威都不可想象,一边酣战一边吼啸,震动了这片无垠的大地,那些原始宝骨难以起作用了。

,中国新疆XXXXXL18视频,成年无码Aⅴ片在线观看,少妇BBBB精品视频。

??02月14日,“一代女皇武则天展”在荷兰开展,

刑事案件无罪辩护(刑事案件应不应该做无罪辩护 ?)

,66j8影院,久操精品视频网,午夜精品一区二区福利视频。

??时事4:香蕉视频赚钱下载app

??02月14日,F1中国大奖赛落幕,周冠宇获得正赛第14名,

  依靠科学技术和信息化治理是提高经营和企业治理水平的重要手段,在企业体制革新不绝深化的今天显得更为重要 ?萍己托畔⑹虑樵诠镜闹匾饔靡阎鸩降靡匀啡虾吞嵘9玖斓家还嶂厥涌萍夹畔⑹虑,对科技信息事情有明确的指示:依靠技术进步,不绝提高宁静稳定运行水平。要紧紧围绕解决宁静、稳定、高效、经济运行,提高技术水平和生产能力,提高企业现代化治理水平,开展科技立异,要注重新技术的应用研究和推广。重视信息网络宁静治理,扎实搞好信息资源整合,以信息化推动电网治理现代化。因此,我们要从提高宁静、稳定、经济、优质运行,提高治理水平、提高经济效益、提高焦点竞争力的高度,抓好科技信息事情,为全面提高公司计划、设计、建设、生产、运营、试验研究和经营治理的水平,提供强有力的技术支撑和全方位的效劳。

,狠狠色丁香婷婷亚洲综合,韩婧格打扑克视频,成人黄色app。

??02月14日,浙江杭州:初冬西湖“披彩妆”,

  同志们,做好农村低保事情意义深远,责任重大。希望各人以贯彻落实党的xx大精神为动力,带着对困难群众的深厚情感,尽职尽责,扎实事情,把党和政府对农村困难群众的体贴落到实处,资助困难群众切实解决基本生活问题,为构建和谐汉阴做出新的更大孝敬!

,Gay教练取精潮喷10次视频,欧日黄色网站,成人看的www免费观看视频。

【16家海外华文媒体代表走进长沙 感受机遇中国下的“非长”精彩】

【经WTO机制解决ECFA问题?国台办指台方企图将台湾问题“国际化”】

责编:克利奇科

审核:拉沙

责编:赵霖

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