Up tókànItọsọna atẹle
Iṣiro iranti GPU ti o nilo fun awọn LLM
Imọ-ẹrọ
Imọ Itọsọna
Bii awọn ilana AI ṣe pin, tun lo, ati tun gba iranti to lopin lori GPU kan, ati idi ti awọn ela ajẹkù (fifọ) le fa awọn aṣiṣe iranti-jade paapaa nigbati ọpọlọpọ iranti ni imọ-ẹrọ wa.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
Loye rẹ jẹ bọtini lati ni ibamu awọn awoṣe nla ati yago fun awọn ipadanu aramada.
Iranti GPU jẹ ti o wa titi ati iyebíye: kaadi le ni 24, 80, tabi 192 GB lapapọ, pinpin nipasẹ awọn iwọn awoṣe, awọn iṣẹ ṣiṣe, awọn gradients, awọn ipinlẹ iṣapeye, ati awọn ifipamọ igba diẹ. Pipe awakọ lati pin iranti lori gbogbo iṣẹ ṣiṣe yoo lọra, nitorinaa awọn ilana bii PyTorch lo olupilẹṣẹ caching ti o mu awọn bulọọki nla ni iwaju ati fi ọwọ si awọn ege kekere, lẹhinna tọju awọn ege ominira ni adagun-odo fun atunlo. Apeja naa jẹ pipin: bi awọn tenors ti awọn titobi oriṣiriṣi ti pin ati ominira, aaye ọfẹ n pin si awọn ege tuka. O le ni 5 GB ni ọfẹ ni apapọ sibẹsibẹ kuna lati pin ipin tensor 2 GB ti o ni itara nitori ko si aafo kan ti o tobi to. Eyi ni idi ti ikẹkọ le jamba pẹlu awọn aṣiṣe iranti-jade laibikita yara ori ti o dabi ẹnipe o wa.
A training team examines allocator statistics before testing expandable segments on a variable-batch workload.
A developer uses memory_summary and a memory snapshot to investigate active tensors and inactive split blocks.
An inference team uses vLLM’s paged KV-cache management to reduce cache-allocation waste.
A training team lowers batch size or checkpoints activations after confirming live tensor memory is the limiting factor.
Isakoso iranti n di ijafafa ati oju-iwe diẹ sii, atilẹyin nipasẹ awọn ọna ṣiṣe. Awọn ilana bii awọn alafo ara-iranti-iranti ati akiyesi oju-iwe (ti a lo lati ṣakoso kaṣe KV lakoko itọkasi) dinku egbin ati pipin ni iyalẹnu. Reti awọn ilana si aiyipada si faagun, awọn olupilẹṣẹ defragmenting, hihan ti o dara julọ nipasẹ awọn profaili ti a ṣe sinu, ati isọpọ pọpọ pẹlu piparẹ ati iṣipopada ki eto naa ju GPU, Sipiyu, ati iranti disk laifọwọyi lati tọju iṣamulo ga ati awọn ipadanu toje.
Ìwé ìròyìn ọfẹ
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Bii awọn ilana AI ṣe pin, tun lo, ati tun gba iranti to lopin lori GPU kan, ati idi ti awọn ela ajẹkù (fifọ) le fa awọn aṣiṣe iranti-jade paapaa nigbati ọpọlọpọ iranti ni imọ-ẹrọ wa. Loye rẹ jẹ bọtini lati ni ibamu awọn awoṣe nla ati yago fun awọn ipadanu aramada.
Fragmentation tumo si lapapọ free iranti to, sugbon o ti wa ni dà si ona, ki ko si nikan aafo ni o tobi to fun a tensor nla.
Pipe cudaMalloc/cudaFree fun gbogbo op jẹ o lọra, nitorinaa olupilẹṣẹ caching gba awọn bulọọki nla ati tun lo awọn ti o ni ominira lati adagun-odo kan.
Allocator statistics and snapshots help distinguish fragmentation from live tensors or other allocations. The error alone does not prove a single cause.
Expandable segments can reduce waste for selected allocation patterns. Availability and benefit depend on allocator configuration and workload.
PagedAttention tọju kaṣe KV ni awọn oju-iwe iwọn ti o wa titi bii iranti foju OS, gige pipin ati ṣiṣe ọpọlọpọ awọn ibeere daradara.
Tesiwaju kikọ
Awọn itọsọna diẹ sii ti a yan fun koko yii
Up tókànItọsọna atẹle
Iṣiro iranti GPU ti o nilo fun awọn LLM
Imọ-ẹrọ