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 10:05:23
来源:

猫眼影戏

作者:

陈女才

手机检察

  猫眼影戏记者 吕春泉 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:日日干日日操日日爽

??02月14日,没司机没方向盘的巴士,您见过么?,

  这几日 ,它们一直在变革 ,吞食了狻猊的血肉 ,关于这种血脉强大的凶禽来说 ,有着难以想象的利益。大鹏的眼睛酿成了金色 ,小青的双翅泛起了几块绚烂的花纹 ,至于紫云紫中带金 ,鳞片更辉煌了。

,亚洲Av东京热。

??02月14日,西十高铁湖北段建设取得重大节点性进展,

  一、当好村干部应当重点提升七种能力

,女主和三兄弟都发生了,亚洲 国内 自拍 中文欧美,久久精品人人做人人爽97。

??时事2:婷婷伊人精品在线

??02月14日,学习·知行|习近平的“金砖时间”,?2024医院院长总结大会讲话(精选3篇),黄色软件OPPO入口,邪恶道 ACG琉璃神社,偷拍专区 40p。

??02月14日,中粮集团大悦城控股集团股份有限公司党委书记、总经理曹荣根接受纪律审查和监察调查,  国家防灾减灾救灾委员会办公室、应急治理部会同国家粮食和物资储备局向河北、山西、内蒙古、山东、河南5省(区)挑唆3万件中央救灾物资 ,支持地方做好抗旱救灾各项事情。,范冰冰大战黑人巨龙,他一直在她体内冲撞总裁,欧美黄网在线观看免费。

??时事3:久久av日韩精品

??02月14日,(新春走基层)非洲小伙春节返乡盼团圆:把中国的幸福感带回家,

  干部培训是一项很是严肃的任务 ,是提升村干部素质的最有效形式。学习期间 ,组织部等相关部分要认真履行职责 ,加入培训的社干部要抓住时机真学、会学、学深、学透 ,努力营造求真务实的学风 ,确保学习培训运动真正收到实效。

,片多多app,久操精品视频网,日本人物打扑克剧烈运动图片。

??02月14日,台风“潭美”减弱 琼州海峡27日14时恢复运输,

  回首已往的一年 ,是不平凡的一年 ,这一年是我们x公司建立十周年的大喜之年 ,十年的艰辛 ,十年的拼搏 ,十年的坚持 ,十年的生长才使我们从x阳光家政走向x物业效劳有限公司;是我们华美转身的一年 ,这一年 ,我们从简单的保洁效劳转型到现在的能担负多种效劳的物业公司 ,并乐成申报了三级物业资质。这些结果的取得是公司上下团结一致配合努力的结果 ,可以说 ,公司生长的每一步都离不开在座的兄弟姐妹 ,在x公司的生长史上留下了你们辛勤的汗水和坚实的脚印 ,再此 ,我代表公司向在座的列位道声辛苦了 ,公司谢谢你们!x会因你们而精彩 ,x会因你们而骄傲!

,国产欧美日韩一区二区三区,5g院影天天5g天天爽地址,被全班人享用的小雪。

??时事4:果冻,搭讪杨思敏

??02月14日,山西:“1+5”政策包 支持“晋创谷”创新驱动平台建设,

学生会换届 篇5

,脱了全部的衣服亲嘴,青青国产视频一区,精品无码乱码AV片国产爱色。

??02月14日,专访“天工”团队:当人工智能有了身体后,它能干些啥?,

  “嗡”的一声 ,像是有一尊古老的神明苏醒了 ,弥漫出一种恐怖的气息 ,此后翻开一条金色的通道。

,亚洲综合在线另类色区奇米,国产怕怕怕高清视频在线,亚洲一级精品无码AV。

【“红通人员”王国庆骗取贷款案一审开庭】

【1元包装费缘何引发质疑?专家:商家应尊重消费者选择权】

责编:王永志

审核:许毅坚

责编:胡麻子

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