NeMo RL: 深度强化学习库的最佳实践
2025-05-18 12:57:04作者:申梦珏Efrain
1. 项目介绍
NeMo RL 是由 NVIDIA 开发的一个可扩展且高效的深度强化学习库,适用于从单个 GPU 到数千个 GPU,从小型模型到超过 1000 亿参数的大模型。NeMo RL 提供了与 Hugging Face 无缝集成的能力,支持各种并行技术的高性能实现,以及使用 Ray 进行资源管理,确保了在不同硬件配置下的可扩展性和灵活性。
2. 项目快速启动
环境准备
首先,需要克隆 NeMo RL 项目:
git clone git@github.com:NVIDIA/NeMo-RL.git nemo-rl
cd nemo-rl
安装 uv
工具,用于环境隔离和快速启动:
pip install uv
单节点运行
以下是一个单节点运行的示例,使用 1B 参数的模型进行数学任务训练:
uv run python examples/run_grpo_math.py
默认情况下,这个命令使用了 examples/configs/grpo_math_1B.yaml
配置文件。如果需要自定义参数,可以使用命令行覆盖。例如,要在 8 个 GPU 上运行,可以使用:
uv run python examples/run_grpo_math.py \
cluster.gpus_per_node=8
多节点运行
以下是一个多节点运行的示例,使用 8B 参数的模型进行数学任务训练:
NUM_ACTOR_NODES=2
COMMAND="uv run ./examples/run_grpo_math.py --config examples/configs/grpo_math_8B.yaml cluster.num_nodes=2 checkpointing.checkpoint_dir='results/llama8b_2nodes' logger.wandb_enabled=True logger.wandb.name='grpo-llama8b_math'"
CONTAINER=YOUR_CONTAINER
MOUNTS="$PWD:$PWD"
sbatch --nodes=${NUM_ACTOR_NODES} --account=YOUR_ACCOUNT --job-name=YOUR_JOBNAME --partition=YOUR_PARTITION --time=4:0:0 --gres=gpu:8 ray.sub
请根据实际情况替换 YOUR_CONTAINER
, YOUR_ACCOUNT
, YOUR_JOBNAME
, YOUR_PARTITION
等变量。
3. 应用案例和最佳实践
案例一:数学任务
NeMo RL 提供了一个数学任务案例,使用 GRPO 算法在 OpenInstructMath2 数据集上进行训练。
案例二:滑动拼图游戏
NeMo RL 也支持多轮生成和训练,例如训练模型玩滑动拼图游戏:
uv run python examples/run_grpo_sliding_puzzle.py
最佳实践
- 使用 Ray 进行资源管理,确保在不同的硬件配置下都能高效运行。
- 利用 Hugging Face 集成,轻松使用各种预训练模型。
- 采用 PyTorch 原生的 FSDP2、TP 和 SP 技术,实现高效的模型训练。
4. 典型生态项目
- Hugging Face: 提供了广泛的预训练模型和工具,与 NeMo RL 无缝集成。
- Ray: 用于分布式训练的资源管理系统,与 NeMo RL 深度集成,提高训练效率。
- Megatron Core: 支持大型模型的高性能并行技术,适用于超过 100B 参数的模型。
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~052CommonUtilLibrary
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!C0307- 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
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
867
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
265
305

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

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

🔥🔥🔥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

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

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3