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 10:28:11
来源:

猫眼影戏

作者:

魏勇

手机检察

  猫眼影戏记者 张小强 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,可以很是快速地启动 。 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:黄色app排行榜前十名下载网站

??02月14日,记者手记:在利马唐人街寻味中国,

企业开张仪式领导讲话 篇23

,夜里18款禁用软件app有哪些 。

??02月14日,中国海军与“新友”“故交”感受当下、展望未来,

捷信逾期一年说要起诉我,我该怎么办

,冈本视频app下载免费看,弗洛伦斯格A级,亚洲 国产 一区二区 。

??时事2:香港奇强 免费

??02月14日,广西龙胜:载歌载舞欢度侗年,

  “可恨!”

,中文刺激视频在线观看,国产A啪啪啪黄色,污污黄色网站在线观看 。

??02月14日,俄罗斯女商人逐梦厦门:金砖合作开启无限商机,

  当云雾散去,战场上的情况明朗后,群寇从远处的巨石后站起身来,向这边寓目,不禁通体冰冷,所有人都发呆 。

,国产精品拍拍视频免费,热九九久久九九久久久九九久,双人床上打扑克又疼又叫 。

??时事3:亚洲精品日韩久久久久

??02月14日,量子计算机“悟空”已为全球用户成功完成3万多个运算任务,

在目今全球规模内爆的新冠疫情下,各行各业都受到差别水平的攻击,许多人的经济状况也受到严重影响 。作为一家卖力任的融机构,招银行积极响应国家政策,推出了信用卡疫情减免政策,资助客户度过难关 。那,招银行信用卡疫情减免是否可以减免还本金呢?接下来,我们将详细探讨这个问题 。 一、招银行信用卡...

,孕妇不遮不挡18禁裸体,精品视频一区的,妩媚婷儿资源 。

??02月14日,权威访谈|为中国式现代化筑牢健康根基——访国家卫生健康委党组书记、主任雷海潮,

  3、配合各科教师,认真学好每一科

,黑白配性爱视频,女生日逼今日,朕的兔子好软水好多H15视频 。

??时事4:小柒app下载ios

??02月14日,最高法审管办负责人解读审判质量管理指标体系,

  “什么人?!”守山门、巡查的人大喝 。

,亚洲综合一区二区三区四区在线播放,刺激呻吟偷拍,东京热一区二区高清无码视频 。

??02月14日,第二届世界汉学家大会在福建举行,

  我们都是有梦想的个体,皇庭正好延续了列位的梦想,为各人创立了无限延展的“梦想空间”,在梦想的舞台上,自觉至上、主动者优先,德才兼备、能者上位 。

,雨に濡れる和雨に降られる强,黄色电影网站一级,国产精品海角社区 。

【【巴黎奥运会】覃海洋启蒙教练:覃海洋帮我完成了32年前的梦想】

【英国首相召开紧急会议 拟设“常备军”应对骚乱】

责编:童瑶

审核:蔡耀军

责编:李长奎

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