170 похожих чатов

Я не специалист, но, кажется, дообучение таких больших моделей требует

сумасшедшего объема видеопамяти
Для обучения берта используют до 20 карточек типа gp100, кажется
Gpt3 это вообще подъемно?)

3 ответов

35 просмотров

Если размер контекста уменьшать, то даже на 8 Gb что-то можно. С полным вроде бы 16 минимум, в 11-12 не помещается. 100 карт нужно, чтобы учить с нуля, не для дообучения.

Если речь про сберовские rugpt3*, то там вообще говоря есть 3 варианта, которые вполне можно *файнтюнить* на 8-16 Гб карточке в разумные сроки (часы...пара дней): 1) https://huggingface.co/sberbank-ai/rugpt3small_based_on_gpt2 2) https://huggingface.co/sberbank-ai/rugpt3medium_based_on_gpt2 3) https://huggingface.co/sberbank-ai/rugpt3large_based_on_gpt2 Самая маленькая rugpt3small_based_on_gpt2 безусловно будет выдавать самые плохие результаты, но вот *насколько* они будут хуже, чем результаты для rugpt3large_based_on_gpt2, сильно зависит от конкретной задачи. Вполне может оказаться, что разница будет некритична для MVP или rnd прототипа. При этом *small* позволяет делать батчи в несколько раз жирнее при тех же условиях, то есть файнтюнить быстрее. К примеру, вот на этой задачке звезды сошлись (ну нет, просто позиционные эмбеддинги зарулили) так, что при 3fold-кроссвалидации метрики для small, medium и large моделей в оптимуме отличаются на ~1 сотую:

Ilya Koziev
screenshot Если речь про сберовские rugpt3*, то там вообще го...

Интересно, что далее при малом повышении lr, метрика резко падает

Похожие вопросы

Обсуждают сегодня

Господа, а что сейчас вообще с рынком труда на делфи происходит? Какова ситуация?
Rꙮman Yankꙮvsky
29
А вообще, что может смущать в самой Julia - бы сказал, что нет единого стандартного подхода по многим моментам, поэтому многое выглядит как "хаки" и произвол. Короче говоря, с...
Viktor G.
2
30500 за редактор? )
Владимир
47
а через ESC-код ?
Alexey Kulakov
29
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
14
Добрый день! Скажите пожалуйста, а какие программы вы бы рекомендовали написать для того, чтобы научиться управлять памятью? Можно написать динамический массив, можно связный ...
Филипп
7
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Ребят в СИ можно реализовать ООП?
Николай
33
https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_h_common.erl#L174 https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_olp.erl#L76 15 лет назад...
Maksim Lapshin
20
Карта сайта