不同参数规模大语言模型在不同微调方法下所需要的显存总结
大模型的微调是当前很多人都在做的事情。微调可以让大语言模型适应特定领域的任务，识别特定的指令等。但是大模型的微调需要的显存较高，而且比较难以估计。与推理不同，微调过程微调方法的选择以及输入序列的长度、批次大小都会影响微调显存的需求。本文根据LLaMA Factory的数据总结一下大模型微调的显存要求。
在此前的文章中，我们已经解释了大模型推理和显存之间的估算方法：需要多少GPU显存才能运行预训练大语言模型？大语言模型参数规模与显存大小的关系估算方法~。即大模型推理显存约等于模型参数乘以2，而微调则只给了方法没有具体公式。
DataLearnerAI发现来自北航博士生Yaowei Zheng开源的LLaMA-Factory是一个大模型一键微调平台。主要是用可视化的方式让大家可以一键微调很多业界主流的模型。包括Baichuan、ChatGLM、Mixtral（就是Mistral 8×7B MoE）等模型。这其中还公布了一个数据，即不同参数规模的大模型在不同微调方法下所需的显存大小，十分有参考意义：
这里的微调方法含义如下：
- Full：全参数微调（Full-Parameter Fine-Tuning），即更新模型的所有参数；
- Freeze：表示冻结部分参数进行微调
- LoRA：Low-Rank Adaptation，微软提出的高效参数微调方法，引入低秩矩阵可以在资源有效的场景下获得较好的效果。
- QLoRA：华盛顿大学提出量化+LoRA方法，资源要求更低，详情参考：华盛顿大学提出QLoRA及开源预训练模型Guanaco：将650亿参数规模的大模型微调的显存需求从780G降低到48G！单张显卡可用！
从上表中我们可以看到，全参数微调其实显存要求很高，如果推理显存如果约等于模型参数的2倍（单位是10亿，例如7B大模型最少需要14G显存才能推理），那么全参数微调几乎是参数的20倍还要多。而使用LoRA则比推理显存大小略高一点。
这里比较重要的参考是8×7B的MoE模型。这个显然就是前段时间刚刚发布的Mixtral大模型（即Mistral 8×7B MoE，详情参考：MistralAI的混合专家大模型Mistral-7B×8-MoE详细介绍，效果超过LLaMA2-70B和GPT-3.5，推理速度快6倍）。这个模型实际参数450亿，每次推理只会激活120亿的参数。这个模型在微调的时候需要的显存大小和450亿参数规模的模型相当。也就是说，MoE最大的优点应该是提升推理速度。推理现存与微调显存实际上不会有什么优势（根据实际测试，Mixtral 8×7B MoE推理最少也要90多G的显存）。如果使用QLoRA方法，那么显存大小会显著降低。不过，这也会降低一点精度。
这个表可以参考估算不同参数规模的大模型微调所需要的显存。欢迎大家收藏关注。
