背景
一直想真正了解大模型对硬件资源的需求，于是准备详细看一篇视频，将核心要点总结记录下。本文内容参考视频：保姆级教程：6小时掌握开源大模型本地部署到微调，感谢up主
训练成本
- 训练 > 微调 > 推理
- 训练GPT3.5： 1000块80G的A100，训练1个月
- GP3训练一次：200w到1200w美元
- 推理：9块80G的A100
对GPU的要求高，对CPU和存储的要求不高
ChatGLM-6B
少量对话的时
多轮对话，单机多卡
- 3090双卡 和 4090单卡价格差不多
A100、A800，H100，H800等对比图
从架构上 - V100： 2017年 伏特 GPU第6代
- A100： 2020年 安培 GPU第8代
- H100： 2022年 赫伯 GPU第9代
- A100是上一代V100的6倍：在跑 AI 模型时，如果用 PyTorch 框架，相比上一代 V100 芯片，A100 在 BERT 模型的训练上性能提升 6 倍，BERT 推断时性能提升 7 倍。
- H100是V100的6倍：与上一代 A100 相比，采用 Hopper 的 FP8 Tensor Core 的新 Transformer 引擎使大型语言模型的 AI 训练速度提升 9 倍，AI 推理速度提升 30 倍。针对用于基因组学和蛋白质测序的 Smith-Waterman 算法，Hopper 的新 DPX 指令可将其处理速度提升 7 倍。
- A800是A100的阉割版本，降低了NVlink带宽，影响不大
- H800是H100的阉割版本，影响不大
GPU选择
大模型阶段GPU型号
有双精度：不能用4090
训练：不能用4090
微调：最好A100，或者4090多卡
推理：4090，性价比优于A100
4090笔记本：16G显存
4090台式机：24G显存
3090台式机：24G显存，性能是4090的一半
3080台式机：12G显存
单卡：4090 vs A100系列
- 训练：大模型的参数依赖多卡，参数存储以及GPU通信，对内存容量，内存带宽，通信带宽都是强需，4090不适合
- 推理：只需要单个模型，4090单卡可行
- 4090价格是A100的1/100，其计算能力和A100差不多
单卡4090 vs 双卡3090，建议双卡3090 - 价格差不多
- 总算力和单张4090持平，显存多了一倍到48GB
- 双卡流水线效果更好（？）
实验室配置
- 10w预算：4张4090
- 20-30w预算：8张4090，或者两张A100 80G
- 预算不限：8卡 A100
- 双卡GPU升级路线：3090 -> 4090 -> A100 40G -> A100 80G
- 一定要买涡轮版，不能买风扇卡，涡轮卡尺寸和高度低，便于多卡
组装机
- CPU有超频需求，上水冷；否则上风冷
- 2*3090 搭配 i7-13700
- 主板：Intel Z系列（高端），B系列（中端），A系列（低端，不要考虑）
- 硬盘：接口SATA or M.2，建议M.2；协议类型：SATA协议（最高600MB/s），NVME协议（速度快 4GB/s），至少选择PCI-e 4.0
- 内存：是显存容量的2倍
- 电源：主要关注功耗，（CPU+GPU）*2，例如 65w CPU加125w GPU，电源一般400w；双GPU卡至少1000w，四GPU卡 1600w
- 机箱：机箱的长度高出显卡的长度至少30mm
最强算力 H200
- 显存 141GB，显存带宽 4.8TB/s（相比于A100 3.35TB/s）
- 内存带宽1.15TB/s 如何理解
个人配置-多卡
GPU: 3090双卡，涡轮版;共48G显存;
CPU:AMD 5900X;12核24线程;
存储: 64GB内存+2T SSD 数据盘;
电源: 1600W单电源;
主板:华硕ROG X570-E;服务级PCE，支持双卡PCIE;
机箱: ROG太阳神601, ATX全塔式大机箱，便于大功率下散热;
租用服务器
平台推荐
付费GPU
视频中采用的Windows和Linux双系统，本人更喜欢WSL
安装cuda
cuda driver和cuda runtime API
CUDA提供了两种API，分别是运行时API（CUDA Runtime API）和驱动API（Driver API）
- 驱动API（Driver API）的版本对应nvidia-smi显示的CUDA Driver结果（该NVIDIA驱动程序所支持的最高CUDA版本），它提供了更细粒度的控制，允许直接与 CUDA 驱动交互。它通常用于需要精细控制的高级应用。
- 运行时API（CUDA Runtime API）对应于nvcc -V显示的结果，它是一种更高级别的抽象，旨在简化编程过程，它自动处理很多底层细节。大多数 CUDA 程序员使用。
通常情况下，当提到CUDA时，指的是CUDA Runtime版本。
如何查看cuda driver API版本（cuda driver版本）
- linux使用命令nvidia-smi也可查看driver版本，538.18我安装的具体版本
- windows环境可以使用nvdia control panel应用并查看系统信息，可以查看该driver版本
如何查看cuda runtime API版本（cuda版本）
- 使用命令
nvidia-smi看到的CUDA Version，是指该NVIDIA驱动程序所支持的最高CUDA版本，下图显示的即为支持的最高CUDA版本为12.2，需要安装小于12.2版本的CUDA。 - 使用
nvcc -V可以查看当前安装的cuda版本，可以通过 显示的版本号是小于等于nvidia-smi所显示的cuda版本，这就是二者显示版本不一致的原因。
通过这里CUDA和Driver版本适配关系可以查看适应当前机器的driver版本配套的cuda版本。可以通过cuda tookit下载来下载相应的cuda tookit。 可参考这篇文章
安装GPU版本的pytorch
在WSL命令行输入以下命令：
conda create --name pytorch_gpu python=3.11
conda activate pytorch_gpu
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia
测试GPU
import torch
def check_cuda_support():
if torch.cuda.is_available():
print(f"CUDA is available. Number of GPUs: {torch.cuda.device_count()}")
print(f"Current CUDA device: {torch.cuda.current_device()}")
print(f"CUDA device name: {torch.cuda.get_device_name(torch.cuda.current_device())}")
else:
print("CUDA is not available. PyTorch is running on CPU.")
if __name__ == "__main__":
check_cuda_support()
命令输出
测试下带宽性能：/usr/local/cuda/extras/demo_suite/bandwidthTest
WSL 安装ollama
参照网站提供的帮组：https://github.com/ollama/ollama
curl -fsSL https://ollama.com/install.sh | sh
下载hugging face ChatGLM数据集
使用命令git clone https://huggingface.co/THUDM/chatglm-6b进行下载，这个需要科学上网。可以启动windows cmd，然后参照文档代理设置来设置本地代理。命令列表如下：
# 在代码仓库下载目录中，启动windows cmd
set all_proxy=http://127.0.0.1:7890
git clone https://huggingface.co/THUDM/chatglm-6b
微调模型需要多少显存
全量微调
- model权重
1B参数，10亿参数，每个参数占用2B，则一共占用2GB - 梯度：和model权重类似，也是2GB
- 优化器：比梯度大很多，以4倍估计，大约是8GB
- Activation：暂时忽略不计
常用的全量微调内存消耗约为模型权重的6倍。
高效微调
LoRA模式：base模型+Adapter 2.5%，此时消耗的内存为 2GB + 2.5% * 10GB，约为2.3GB
QLoRA模式：对model权重对2B进一步量化
qwen微调1.B 5GB内存
参考链接：基于qwen的法律大模型微调
下载代码
git clone https://github.com/QwenLM/Qwen.git
安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements_web_demo.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
下载模型
git clone https://www.modelscope.cn/qwen/Qwen-1_8B-Chat.git
git clone https://www.modelscope.cn/qwen/Qwen1.5-1.8B-Chat-GPTQ-Int4.git
启动web界面并加载指定目录的模型
python web_demo.py --server-name 0.0.0.0 -c ../Qwen-1_8B-Chat
python web_demo.py --server-name 0.0.0.0 -c ../Qwen-1_8B-Chat --cpu-only
界面呈现，默认是8000端口
http://localhost:8000/
下载法律数据集
git clone https://www.modelscope.cn/datasets/Robin021/DISC-Law-SFT.git
选择数据文件，下载 DISC-Law-SFT-Triplet-released.jsonl
转换数据集
将json中的input/ouput条目转换为from user & from assistant的形式
安装微调依赖
pip install "peft<0.8.0" deepspeed -i https://pypi.tuna.tsinghua.edu.cn/simple
设置model路径和data路径，启动微调
bash finetune/finetune_lora_single_gpu.sh
安装pip使用清华镜像加速
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
