На днях пришлось обучать модель на 16 Гб VRAM, когда обычно нужно 24+. Пришлось включать режим экономии и вспоминать базу оптимизаций.
Что реально помогает выиграть лишние гигабайты:
🔴 Отказ от оптимизатора AdamW в пользу более лёгких аналогов
🔴 Уменьшение длины контекста (если задача позволяет, режу до 512-1024 токенов)
🔴 Gradient Checkpointing — да, обучение идет чуть медленнее, зато память не вылетает
Кайф, когда всё влезает в одну карту. А у вас какие лимиты по железу сейчас?
➖➖➖➖➖➖➖➖➖➖
Антон Хоменок про дообучение LLM 🧠
Хоменок про дообучение LLM 🧠
@xomenok_llmft
🛠 Оптимизация видеопамяти под мелкие задачи
Этот пост опубликован в Telegram-канале Хоменок про дообучение LLM 🧠 (@xomenok_llmft). Все его публикации — на странице канала.
Открыть в Telegram