GPU 메모리 관리 및 조각화
AI 프레임워크가 GPU에서 제한된 메모리를 할당, 재사용 및 회수하는 방법과 기술적으로 많은 메모리가 남아 있는 경우에도 남은 간격(조각화)으로 인해 메모리 부족 오류가 발생할 수 있는 이유는 무엇입니까?
개요
이를 이해하는 것이 큰 모델을 맞추고 미스터리한 추락을 피하는 데 핵심입니다.
심층 분석
GPU 메모리는 고정되어 있으며 소중합니다. 카드는 총 24, 80 또는 192GB를 가질 수 있으며 모델 가중치, 활성화, 그라데이션, 최적화 상태 및 임시 버퍼로 공유됩니다. 모든 작업에 메모리를 할당하기 위해 드라이버를 호출하는 것은 느리기 때문에 PyTorch와 같은 프레임워크는 큰 블록을 미리 잡고 하위 조각을 나눠준 다음 재사용을 위해 풀린 조각을 풀에 보관하는 캐싱 할당자를 사용합니다. 문제점은 조각화입니다. 다양한 크기의 텐서가 할당되고 해제됨에 따라 여유 공간이 흩어진 덩어리로 나뉩니다. 총 5GB의 여유 공간이 있지만 단일 간격이 충분히 크지 않기 때문에 인접한 2GB 텐서를 할당하지 못할 수 있습니다. 이것이 겉보기에 사용 가능한 헤드룸에도 불구하고 메모리 부족 오류로 인해 훈련이 중단될 수 있는 이유입니다.
기술적 통찰력
PyTorch의 CUDA 캐싱 할당자는 메모리를 블록 스트림으로 분할하고 요청된 크기와 일치하는 해제된 블록을 재사용하여 비용이 많이 드는 cudaMalloc/cudaFree 호출을 방지합니다. 조각화는 분할된 블록을 재결합할 수 없을 때 발생합니다. torch.cuda.empty_cache, PYTORCH_CUDA_ALLOC_CONF Expandable_segments 옵션, 메모리 스냅샷과 같은 도구가 도움이 됩니다. 새로운 접근 방식은 가상 메모리 아이디어를 빌려 연속되지 않은 물리적 페이지를 연속적인 가상 범위에 매핑하므로 조각화에도 불구하고 대규모 요청이 성공합니다.
전략적 영향
비용 및 예산
아키텍처 결정은 수년 동안 성능과 운영 비용을 결정합니다.
더 명확한 결정들
기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
품질 관리
더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
GPU 메모리 관리 및 조각화의 미래
메모리 관리는 운영 체제에서 영감을 받아 더욱 스마트해지고 페이지 수가 많아지고 있습니다. 가상 메모리 스타일 할당자 및 페이징 주의(추론 중에 KV 캐시를 관리하는 데 사용됨)와 같은 기술은 낭비와 조각화를 크게 줄입니다. 프레임워크는 기본적으로 확장 가능한 조각 모음 할당자, 내장된 프로파일러를 통한 더 나은 가시성, 오프로딩 및 재계산과의 더 긴밀한 결합으로 설정되어 시스템이 GPU, CPU 및 디스크 메모리를 자동으로 조정하여 활용도를 높게 유지하고 충돌이 거의 발생하지 않습니다.
실제 구현
예약된 메모리에 여유 공간이 표시됨에도 불구하고 'CUDA 메모리 부족'으로 인해 충돌이 발생하는 훈련 실행 문제는 확장 가능한 세그먼트를 활성화하도록 PYTORCH_CUDA_ALLOC_CONF를 설정하여 해결되었습니다.
torch.cuda.memory_summary 또는 메모리 스냅샷을 사용하여 어떤 텐서와 조각화가 GPU의 80GB를 먹고 있는지 진단합니다.
vLLM의 PagedAttention은 고정 크기 페이지에서 Attention KV 캐시를 관리하여 메모리 낭비 없이 많은 동시 채팅 요청을 처리합니다.
배치 크기를 낮추거나 그라데이션 체크포인트를 활성화하여 활성화 메모리를 줄이고 조각화로 인한 메모리 부족 오류를 방지합니다.
위험 및 가드레일
하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
인프라 및 유지 관리 비용은 종종 과소평가됩니다.
시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
구현 로드맵
구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the GPU Memory Management and Fragmentation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
GPU 스케줄링 및 클러스터 오케스트레이션
자주 묻는 질문
GPU 메모리 관리 및 단편화란 무엇인가요?
AI 프레임워크가 GPU에서 제한된 메모리를 할당, 재사용 및 회수하는 방법과 기술적으로 많은 메모리가 남아 있는 경우에도 남은 간격(조각화)으로 인해 메모리 부족 오류가 발생할 수 있는 이유는 무엇입니까? 이를 이해하는 것은 대형 모델을 피팅하고 알 수 없는 충돌을 피하는 데 중요합니다.
GPU 메모리 조각화란 무엇입니까?
조각화는 사용 가능한 총 메모리가 충분하지만 여러 조각으로 나누어져 있으므로 큰 텐서에 비해 단일 간격이 충분하지 않음을 의미합니다.
PyTorch와 같은 프레임워크가 캐싱 메모리 할당자를 사용하는 이유는 무엇입니까?
모든 작업에 대해 cudaMalloc/cudaFree를 호출하는 것은 느리므로 캐싱 할당자는 큰 블록을 잡고 풀에서 해제된 블록을 재사용합니다.
5GB의 여유 공간이 표시되지만 2GB 텐서는 할당할 수 없습니다. 가능한 원인은 무엇입니까?
이러한 조각화의 전형적인 증상은 사용 가능한 메모리가 있지만 요청을 처리할 만큼 큰 하나의 연속 청크가 아닐 때 발생합니다.
메모리 세그먼트를 유연하게 확장하여 조각화를 줄이는 데 도움이 되는 PyTorch 설정은 무엇입니까?
Expandable_segments를 활성화하도록 PYTORCH_CUDA_ALLOC_CONF를 설정하면 할당자가 세그먼트를 늘리고 조각화 관련 오류를 줄일 수 있습니다.
vLLM의 PagedAttention은 추론 중에 메모리 낭비를 줄이기 위해 무엇을 관리합니까?
PagedAttention은 OS 가상 메모리와 같은 고정 크기 페이지에 KV 캐시를 저장하여 조각화를 줄이고 많은 요청을 효율적으로 처리합니다.