解决lm-evaluation-harness项目中VLLM后端的OOM内存问题
2025-05-26 23:41:00作者:齐添朝
在使用lm-evaluation-harness项目进行模型评估时,许多用户遇到了VLLM后端的内存溢出(OOM)问题。本文将深入分析这一问题的成因,并提供有效的解决方案。
问题现象分析
当用户尝试使用VLLM后端运行4B参数量的Qwen模型时,即使在80GB显存的A100显卡上,也会遇到OOM错误。值得注意的是,同样配置下运行8B参数的Llama3模型却能正常工作,这表明问题并非单纯由模型大小引起。
根本原因
经过技术分析,发现VLLM后端存在以下两个关键问题:
-
GPU内存利用率参数未生效:尽管用户设置了
gpu_memory_utilization=0.6
,但实际运行时VLLM并未遵守这一限制。 -
CUDA图构建消耗额外内存:VLLM默认会构建CUDA图以优化性能,但这一过程会消耗大量显存,特别是在处理长序列时更为明显。
解决方案
针对上述问题,推荐以下解决方案:
-
启用强制eager模式:在model_args中添加
enforce_eager=True
参数,可以禁用CUDA图构建,显著降低内存消耗。 -
组合参数优化:建议同时设置以下参数组合:
dtype="float"
:使用FP32精度(或根据需求选择FP16)max_model_len=1024
:限制最大序列长度gpu_memory_utilization=0.6
:显存利用率限制enforce_eager=True
:禁用CUDA图
实施建议
对于不同规模的模型,可参考以下配置:
-
小模型(7B以下):
- 可使用默认配置,但建议添加
enforce_eager=True
- 可使用默认配置,但建议添加
-
中大模型(7B-13B):
- 必须使用
enforce_eager=True
- 适当降低
gpu_memory_utilization
至0.6-0.8
- 必须使用
-
超大模型(13B以上):
- 除上述参数外,还需考虑降低
max_model_len
- 可能需要使用量化技术
- 除上述参数外,还需考虑降低
技术原理补充
VLLM后端的内存消耗主要来自三个方面:
- 模型参数存储
- KV缓存
- CUDA图构建开销
其中CUDA图构建虽然能提高推理效率,但会占用大量临时显存。在eager模式下,VLLM会放弃这部分优化,转而采用更节省内存的执行方式,这也是为什么enforce_eager=True
能有效解决OOM问题的原因。
总结
通过合理配置VLLM后端的参数,特别是启用eager模式,可以显著降低显存消耗,解决评估过程中的OOM问题。建议用户在遇到类似问题时,优先尝试本文推荐的参数组合,并根据实际硬件条件进行微调。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5