DeepKE项目中大模型微调时的显存优化实践

问题背景

在使用DeepKE项目进行大语言模型微调时，经常会遇到显存不足的问题。特别是在使用Llama2-13B等大型模型时，即使将batch size设置为1，仍然会出现CUDA显存不足的错误。本文记录了解决这一问题的完整过程和技术方案。

问题现象

用户在尝试使用3块GPU（每块23.64GiB显存）微调Llama2-13B模型时，遇到了典型的CUDA显存不足错误：

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 2.00 MiB (GPU 2; 23.64 GiB total capacity; 23.08 GiB already allocated; 704.00 KiB free)

即使将各种参数（如max_source_length、cutoff_len等）调至很小，问题依然存在。

解决方案探索

初步尝试

1. 调整显存分配策略：通过设置环境变量PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:1024来优化显存分配，但效果有限。

2. 参数精简：移除了不必要的--checkpoint_dir参数，但问题依旧。

量化技术应用

1. 4-bit量化：添加--bits 4参数尝试进行4-bit量化，但遇到了版本兼容性问题：

   ValueError: You can't pass `load_in_4bit`or `load_in_8bit` as a kwarg when passing `quantization_config` argument at the same time.
   

2. 代码更新：在DeepKE项目更新后，量化功能可以正常工作，但出现了新的BFloat16兼容性问题：

   RuntimeError: "triu_tril_cuda_template" not implemented for 'BFloat16'
   

最终解决方案

1. Transformers版本降级：将transformers库降级到4.33.0版本解决了BFloat16兼容性问题：

   pip install -U transformers==4.33.0
   

2. 完整配置：最终的运行配置包括：

   • 使用4-bit量化
   • 适当的batch size和梯度累积
   • 优化后的显存分配策略
   • 兼容的transformers版本

技术要点总结

1. 显存管理：大模型微调时，显存管理是关键。除了调整batch size外，量化技术和显存分配策略优化同样重要。

2. 版本兼容性：深度学习框架和库的版本选择对模型运行有重大影响，特别是当使用较新特性时。

3. 量化技术：4-bit量化可以显著减少显存占用，但需要注意实现细节和库的兼容性。

最佳实践建议

1. 对于大型语言模型微调，推荐从量化技术入手，优先尝试4-bit或8-bit量化。

2. 保持深度学习框架和相关库的版本稳定，避免使用过于前沿的版本，除非有特定需求。

3. 在遇到显存问题时，可以尝试以下步骤：

   • 降低batch size
   • 增加梯度累积步数
   • 应用量化技术
   • 优化显存分配策略
   • 检查框架版本兼容性

通过以上方法，可以在有限的计算资源下，成功完成大型语言模型的微调任务。