首页
/ NeMo RL: 深度强化学习库的最佳实践

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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
openHiTLSopenHiTLS
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
CangjieCommunityCangjieCommunity
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开源商城ShopXO开源商城
🔥🔥🔥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
note-gennote-gen
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3