首页
/ VLMEvalKit项目中InternVL2-8B模型显存优化方案解析

VLMEvalKit项目中InternVL2-8B模型显存优化方案解析

2025-07-03 17:24:34作者:裘旻烁

在开源项目VLMEvalKit中,研究人员发现使用InternVL2-8B模型进行多模态评估时存在显存不足的问题。本文将深入分析该问题的技术背景、解决方案及其实现原理。

问题背景

当在8张24GB显存的显卡上运行InternVL2-8B模型评估MMMU_DEV_VAL数据集时,系统会随机出现显存不足(OOM)错误。这种情况通常发生在模型中间特征(feature)数据申请显存时,表明现有的显存分配机制存在优化空间。

技术挑战

大语言模型如InternVL2-8B具有数十亿参数,即使采用模型并行技术将模型切分到多张显卡上,在处理高分辨率图像输入时,中间特征图仍可能消耗大量显存。特别是在多模态评估场景下,需要同时处理视觉和语言信息,显存需求更为突出。

解决方案

项目团队通过PR #566引入了自动切分功能,用户只需设置环境变量AUTO_SPLIT=1,系统便会自动将模型均匀分配到可用显卡上。该方案的创新点包括:

  1. 动态负载均衡:系统根据可用GPU数量和进程数自动计算每个模型的分配策略
  2. 显存预分配:优化了中间特征的显存管理机制,减少碎片化
  3. 简化部署:用户无需手动指定模型切分方案

使用示例

在实际应用中,用户可以通过以下命令启用自动切分功能:

AUTO_SPLIT=1 python run.py --model InternVL2-8B --data MMMU_DEV_VAL

测试表明,该方案成功在两张RTX 4090显卡(各24GB显存)上稳定运行InternVL2-8B模型完成MMMU_DEV_VAL数据集的评估。

技术展望

这一优化不仅解决了当前模型的显存问题,还为未来更大规模的多模态模型评估提供了可扩展的解决方案。随着模型规模的持续增长,类似的显存优化技术将变得越来越重要。项目团队表示将持续完善相关文档,帮助用户更好地利用这一功能。

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
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
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
923
551
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8