请教下训练的显存需求

[denghj3]

trafficstars

想请教下，llama-pro训练的显存需求是多少，和lora比要多多少

[hills-code]

这取决于您添加的层数，以及训练的设置，根据我的经验8卡A100-40G是能够支持ctx-length=4096的预训练的，我试过将LoRA的rank调大到1024，使得lora和我们可训练的参数量相近，此时显存占用也是差不多的

[denghj3]

这取决于您添加的层数，以及训练的设置，根据我的经验8卡A100-40G是能够支持ctx-length=4096的预训练的，我试过将LoRA的rank调大到1024，使得lora和我们可训练的参数量相近，此时显存占用也是差不多的

噢我理解是llama-pro在预训练时仅需调整新加的block，所以应该远小于全参数训练所需的显存？

[hills-code]

是的，但是如果新增加的要训练的层很多，同样也会带来很大的显存占用，并且训练的时候其实原有模型的参数也需要load进去，尽管不需要微调

[denghj3]

是的，但是如果新增加的要训练的层很多，同样也会带来很大的显存占用，并且训练的时候其实原有模型的参数也需要load进去，尽管不需要微调

噢噢。感谢回答！~

[tammypi]

是的，但是如果新增加的要训练的层很多，同样也会带来很大的显存占用，并且训练的时候其实原有模型的参数也需要load进去，尽管不需要微调

请问为什么14B模型，可以在L20 40G * 2的机器上使用lora进行预训练，但是改为LLAMA_PRO之后，在A800 80G * 3的机器上，会显存溢出？ 只有把层数改为1，才可以在A800 80 * 3的机器上训练，占用显存大概170G+。如果是14B模型，扩展的层数为1的话，是可以的吗？会对于效果产生影响吗？

[tammypi]

好像从图里看，添加几个块之间的差距并不大。