如何计算大模型到底需要多少显存,是常常被问起的问题。
现从实用角度介绍一个简单公式和一个工具方便大家工作中使用。
1)估算公式(该公式来自于Sam Stoelinga简化[1])
符号 | 描述 |
---|---|
M | 用千兆字节 (GB) 表示的 GPU 内存 |
P | 模型中的参数数量。例如,一个 7B 模型有 7 亿参数。 |
4B | 4 字节,即每个参数使用的字节数 |
32 | 4 字节中有 32 位 |
Q | 加载模型时应使用的位数,例如 16 位、8 位或 4 位。 |
1.2 | 表示在 GPU 内存中加载额外内容的 20% 开销。 |
注意:该公式只是为了简化计算的估计,并未包含kvcache所需显存以及context大小的影响。
下面以运行16位精度的 Llama 70B 模型所需的 GPU 内存为例套用公式:
该模型有 700 亿参数。
M = (70 ∗ 4) / (32 / 16) ∗ 1.2 ≈ 168GB
由此可见,模型所需的 GPU 内存相当大。单个 80GB 的 A100 GPU 不足以满足需求,需要多个A100 GPU才能跑的起来。
如何进一步减少 Llama 2 70B 所需的 GPU 内存?
量化(Quantization)是一种减少内存占用的方法。通过将模型参数的精度从浮点数降低到低位表示(如 8 位整数),量化显著降低了内存和计算需求,使模型在资源有限的设备上更高效地部署。然而,这需要仔细管理以保持模型的性能,因为降低精度可能会影响输出的准确性。
通常认为 8 位量化能实现与 16 位精度相似的性能。而 4 位量化可能会显著影响模型的性能。
让我们再举一个 4 位量化的 Llama 2 70B 的例子:
M = (70 ∗ 4) / (32 / 4) ∗ 1.2 ≈ 42GB
这意味着你可以使用 2 个 24GB 的 L4 GPU 来运行这个模型。
2)评估工具:
在此基础上,介绍一个能够自动计算显存能载入运行多大参数量模型的程序[2],它的输入如下:
-
可用的 RAM(以 GB 为单位)
-
估计操作系统 RAM 使用量(以 GB 为单位)
-
上下文窗口大小(Token 数量)
-
量化级别(Quantization level,每个参数的比特数)
计算过程:
-
将可用的 RAM 和操作系统的开销从 GB 转换为字节数。
-
通过将 Token 数量乘以 0.5 MB 并转换为字节数来计算上下文窗口所需的内存。
-
通过从总可用 RAM 中减去操作系统开销和上下文窗口内存,计算出可用的 RAM(以字节为单位)。
-
将量化级别从比特转换为每个参数的字节数。
-
通过将可用 RAM 除以每个参数的字节数来计算最大参数数量。
-
将结果从参数转换为以十亿为单位的参数数量进行显示。
确定上述输入后就能直接看到能够支持的最大参数量,如果计算出的最大参数量为负值,这表示上下文窗口大小对于可用的 RAM 来说太大了。在这种情况下,程序会显示一个错误信息,建议用户减少上下文窗口大小或增加可用的 RAM。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。