Verl 中关于batch size的解释(结合源代码)

引言

Verl太火了，最近很多篇宣传的文章。看了一下Verl中的源代码，个人感觉要比OpenRLHF要更容易懂一些。对于大部分人来只需要会用就可以，所以我今天就结合我看到的代码，详细说说Verl中关于batch size的事情。

先放上一个verl中示例的运行脚本

https://github.com/volcengine/verl/blob/main/examples/grpo_trainer/run_deepseek7b_llm.sh

set -x

python3 -m verl.trainer.main_ppo \
    algorithm.adv_estimator=grpo \
    data.train_files=$HOME/data/gsm8k/train.parquet \
    data.val_files=$HOME/data/gsm8k/test.parquet \
    data.train_batch_size=1024 \
    data.max_prompt_length=512 \
    data.max_response_length=1024 \
    data.filter_overlong_prompts=True \
    data.truncation='error' \
    actor_rollout_ref.model.path=deepseek-ai/deepseek-llm-7b-chat \
    actor_rollout_ref.actor.optim.lr=1e-6 \
    actor_rollout_ref.model.use_remove_padding=True \
    actor_rollout_ref.actor.ppo_mini_batch_size=256 \
    actor_rollout_ref.actor.ppo_micro_batch_size_per_gpu=80 \
    actor_rollout_ref.actor.use_kl_loss=True \
    actor_rollout_ref.actor.kl_loss_coef=0.001 \
    actor_rollout_ref.actor.kl_loss_type=low_var_kl \
    actor_rollout_ref.model.enable_gradient_checkpointing=True \
    actor_rollout_ref.actor.fsdp_config.param_offload=False \
    actor_rollout_ref.actor.fsdp_config.optimizer_offload=False \
    actor_rollout_ref.rollout.log_prob_micro_batch_size_per_gpu=160 \
    actor_rollout_ref.rollout.tensor_model_parallel_size=2 \
    actor_rollout_ref.rollout.name=vllm \
    actor_rollout_ref.rollout.gpu_memory_utilization=0.6 \
    actor_rollout_ref.rollout.n=5 \
    actor_rollout_ref.ref.log_prob_micro_batch_size_per_gpu=160 \
    actor_rollout_ref.ref.fsdp_config.param_offload=True \
    algorithm.kl_ctrl.kl_coef=0.001 \
    trainer.critic_warmup=0 \
    trainer.logger=['console'] \
    trainer.project_name='verl_grpo_example_gsm8k' \
    trainer.experiment_name='deepseek_llm_7b_function_rm' \
    trainer.n_gpus_per_node=8 \
    trainer.nnodes=1 \
    trainer.save_freq=-1 \
    trainer.test_freq=5 \
    trainer.total_epochs=15 $@

batchsize相关的参数有

• data.train_batch_size
• actor_rollout_ref.actor.ppo_mini_batch_size
• actor_rollout_ref.actor.ppo_micro_batch_size_per_gpu

这三处，参数里提到了三种不同的batch

• train_batch
• mini_batch
• micro_batch

这三处有什么区别呢？我们结合代码来看

train_batch

https://github.com/volcengine/verl/blob/db1d3251c534a772e22bac3ec20541fc0209e91e/verl/trainer/ppo/ray_trainer.py#L318C7-L318C98

real_train_batch_size = config.data.train_batch_size * config.actor_rollout_ref.rollout.n

train_batch_size * num_generations = total_batch_size
我们不难发现， train_batch 其实就是从原始数据集中prompt， total_batch则是对于train_batch的rollout集合

配置文件中train_batch_size为1024，rollout.n=5 。则total_batch_size=1024*5=5120

mini_batch

一个mini_batch就更新一次模型参数

https://github.com/volcengine/verl/blob/db1d3251c534a772e22bac3ec20541fc0209e91e/verl/workers/actor/dp_actor.py#L248C13-L248C70

dataloader = batch.split(self.config.ppo_mini_batch_size)

这里的batch是处理好的total_batch,按照mini_batch_size的大小切分
及为
total_batch_size // mini_batch_size = 5120 // 256 =20
对于一个total_batch_size 来说，模型要更新参数total_batch_size // mini_batch_size = 5120 // 256 = 20次

micro_batch

继续拆分mini_batch

self.gradient_accumulation = self.config.ppo_mini_batch_size // self.config.ppo_micro_batch_size_per_gpu
# split batch into micro_batches
micro_batches = mini_batch.split(self.config.ppo_micro_batch_size_per_gpu)

256 // 80 = 3 每个mini batch中forward三次，这三个micro相当于梯度累积的作用