大模型到底需要消耗多少GPU显存？公式和工具全都有

前言

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:

1. 将可用的 RAM 和操作系统的开销从 GB 转换为字节数。

2. 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。

3. 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）。

4. 将量化级别从比特转换为每个参数的字节数。

5. 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。

6. 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。

零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，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。

有需要的小伙伴，可以点击下方链接免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码或者点击以下链接都可以免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》