CUDA out of memory 排查和优化

在做大模型训练时，即使调度到 NVIDIA A100 Tensor Core GPU 这样的超强硬件也是有显存限制的(80GB)，超大模型单卡依然会出现 CUDA out of memory

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 80.00 MiB (GPU 0; 79.35 GiB total capacity; 76.70 GiB already allocated; 37.19 MiB free; 77.79 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
main process return code: 1

GPT的答复

先问问GPT 3.5给出的答案，至少有一个大致方向:

  • 减小batch size。可以通过减小batch size来降低GPU内存的占用。

  • 减小模型的复杂度。如果模型比较大，可以尝试减小模型的深度或宽度，来降低GPU内存的占用。

  • 使用更多的GPU。如果有多个GPU可以使用，可以尝试在多个GPU上并行运行模型，从而减少每个GPU的内存占用。

  • 使用FP16数据类型。使用FP16数据类型可以减少GPU内存的占用。

  • 调整PyTorch的内存分配策略。可以通过设置max_split_size_mb参数来避免内存碎片，从而减少内存占用。

参考方案(待验证)

参考 Solving the “RuntimeError: CUDA Out of memory” error 执行以下步骤

  • pip3 执行安装模块:

pip安装gputil和torch
pip3 install gputil torch`

  • 检查内存使用:

获取GPU使用率
from GPUtil import showUtilization as gpu_usage
gpu_usage()

输出显示:

获取GPU使用率输出显示
| ID | GPU  | MEM |
-------------------
|  0 | 100% | 73% |
|  1 | 100% | 72% |
|  2 | 100% | 72% |
|  3 | 100% | 72% |
|  4 |   0% | 33% |
|  5 | 100% | 72% |
|  6 | 100% | 72% |
|  7 | 100% | 72% |

  • 使用以下代码清理缓存:

清理CUDA缓存
import torch

torch.cuda.empty_cache()
清理CUDA缓存(另一种方法)
import gc

gc.collect()
torch.cuda.empty_cache()
清理CUDA缓存(另一种方法)
from numba import cuda

cuda.select_device(0)
cuda.close()
cuda.select_device(0)

完整的代码可以参考如下:

清理CUDA缓存完整代码参考
import torch
from GPUtil import showUtilization as gpu_usage
from numba import cuda

def free_gpu_cache():
    print("Initial GPU Usage")
    gpu_usage()

    torch.cuda.empty_cache()

    cuda.select_device(0)
    cuda.close()
    cuda.select_device(0)

    print("GPU Usage after emptying the cache")
    gpu_usage()

free_gpu_cache()

备注

缓存清理方法可能不能适应持续运行的任务，有些任务可能就是需要使用大量缓存，清理也可能带来效率下降或者依然会不断加载缓存

降低batch大小

另一种比较简单的方法是尝试降低 batch size ，也就是运行参数 --bs X --eval_bs Y

举例，将运行命令:

CUDA_VISIBLE_DEVICES=0 python main.py \
    --model allenai/unifiedqa-t5-base \
    --user_msg rationale --img_type detr \
    --bs 8 --eval_bs 4 --eval_acc 10 --output_len 512 \
    --final_eval --prompt_format QCM-LE

参数 --bs 8 --eval_bs 4 可以尝试修改成更低的值

降低精度

如果在使用 Pytorch-Lighting ，可以尝试将精度改为 float16 。这样可能会带来预期的双精度和Float tensor之间不匹配，但是这个设置能够提升内存效率并且性能上有非常小的折衷，所以是一种可行的选择。

待实践…

多GPU

在多GPU系统中，可以使用 CUDA_VISIBLE_DEVICES 环境变量来选择使用的GPU:

设置 CUDA_VISIBLE_DEVICES 环境变量可以决定使用的GPU设备
$ export CUDA_VISIBLE_DEVICES=0  (OR)
$ export CUDA_VISIBLE_DEVICES=1  (OR) 
$ export CUDA_VISIBLE_DEVICES=2,4,6  (OR)
# This will make the cuda visible with 0-indexing so you get cuda:0 even if you run the second one.

也可以在 Python Atlas 代码中设置:

Python代码中设置 CUDA_VISIBLE_DEVICES 环境变量可以决定使用的GPU设备
import os
os.environ['CUDA_VISIBLE_DEVICES']='2, 3'

参考