原文来源：量子位 
图片来源：由无界 AI 生成
大模型训练推理要用多少内存？
打开这个网页一测便知，测量误差小至0.5MB。 
比如模型bert-base-case Int8估计占用413.18 MB内存，实际占用为413.68MB，相差0.5MB，误差仅有0.1%。 
操作也很简单，输入模型名称，选择数据类型即可。 
这就是HuggingFace Space上的最新火起来工具——Model Memory Calculator，模型内存测量器，在网页端人人可体验。
要知道，跑大模型最头疼的问题莫过于：GPU内存够吗？
现在能先预估一波、误差很小，让不少人大呼“Great”！ 
实际推理内存建议多加20%
使用第一步，需要输入模型的名称。
目前支持搜索在HuggingFace Transformers库和TIMM库中的模型。
比如想要看GLM-6B的情况，可以输入“THUDM/chatglm-6b”。 
不过有一些模型会存在限制，需要获取API token后才能开始计算，比如Llama-2-7b。 
我们找了几个大模型实测，可以看到当模型规模达到百亿参数后，内存要求被直线拉高。 
基础版的BERT还是对GPU相当友好滴 
。 
而在实际推理过程，EleutherAI发现需要在预测数据基础上，预留20%的内存。具体举例如下： 
作者小哥热衷开源项目
最后来介绍一下带来这个项目的小哥Zach Mueller。
他本科毕业于西佛罗里达大学，主修软件设计与开发，热衷开源，在GitHub有1k粉丝。之前做过很多和Fast.ai框架有关的开源项目。 
传送门：
https://huggingface.co/spaces/hf-accelerate/model-memory-usage
本文来自用户投稿，不代表币大大立场，如若转载，请注明出处：https://czxurui.com/zx/76530.html
微信扫一扫 
支付宝扫一扫 
发表回复
评论列表（0条）