LMMs-Eval项目中的多GPU内存分配问题解析
2025-07-01 14:23:47作者:邓越浪Henry
问题背景
在使用LMMs-Eval项目进行多模态大模型评估时,研究人员经常遇到GPU内存分配不均导致的内存溢出(OOM)问题。特别是在使用多GPU配置(如2个GPU)进行评估时,虽然通过设置device_map=auto
参数可以将模型的不同层分配到不同GPU上,但在实际前向传播过程中,内存消耗仍然集中在最后一个GPU上。
现象描述
当使用以下命令进行评估时:
CUDA_VISIBLE_DEVICES=0,1 lmms-eval --model llava_onevision --model_args pretrained=xxx,conv_template=qwen_1_5,model_name=llava_qwen,device_map=auto --tasks mvbench --batch_size 1 --log_samples --log_samples_suffix llava_onevision --output_path ./logs/
研究人员观察到:
- 模型参数确实被分配到多个GPU上
- 但在前向传播过程中,内存消耗仅集中在最后一个GPU
- 最终导致OOM错误
技术原理分析
这种现象的根本原因在于device_map=auto
的工作机制。它只是简单地将模型的不同层分配到不同的GPU设备上,而不是实现真正的张量并行计算。在实际推理过程中:
- 计算会依次在单个GPU上执行
- 完成一个GPU的计算后,将隐藏状态传递给下一个GPU
- 因此GPU内存使用会逐个增加,而不是平均分布
解决方案
方法一:使用srt_model和sglang服务器
对于真正需要张量并行计算的情况,建议:
- 使用
srt_model
设置 - 搭建sglang服务器
- 实现真正的张量并行评估
这种方法可以更有效地利用多GPU资源,避免内存集中在单个设备上。
方法二:调整模型参数
对于资源受限的环境,可以:
- 减少加载的视频帧数
- 通过
model_args
参数调整输入规模 - 降低batch_size
方法三:验证可行的配置
经过验证,以下配置可以成功运行:
lmms-eval --model llava_onevision --model_args pretrained=/path_to_your_checkpoint,conv_template=qwen_1_5,model_name=llava_qwen_training_free,device_map=auto --task your_benchmark --batch_size 1 --log_samples --log_samples_suffix llava_onevision_7b --output_path ./log
性能优化建议
- 模型选择:对于24GB显存的GPU(如3090),建议使用较小规模的模型(如0.5B参数版本)
- 监控工具:使用
nvidia-smi
实时监控各GPU内存使用情况 - 参数调优:根据具体任务需求,平衡模型性能和资源消耗
总结
在多GPU环境下评估大型多模态模型时,理解内存分配机制至关重要。虽然device_map=auto
可以实现模型层的分布,但并非真正的并行计算。根据实际需求选择合适的解决方案,可以有效避免OOM错误,提高评估效率。对于资源受限的环境,优化模型参数和输入规模是更为实用的方法。
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~050CommonUtilLibrary
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!C0302- 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
866
513

🔥🔥🔥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

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
261
302

deepin linux kernel
C
22
5

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

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

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

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