bigscience-workshop/petals

Allocate all GPU memory on startup

Open

#308 geöffnet am 24. Apr. 2023

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (424 Forks)batch import
help wanted

Repository-Metriken

Stars
 (8.248 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Suggested by @slush0 on Discord.

It would be great to allocate all GPU memory on startup (including max space for attention cache and max space for intermediate tensors created during backward).

Right now, the memory is allocated on-demand, and people may see OOMs only after a few days of running the server. Allocating everything right away would allows to see OOMs right away and choose a correct number of blocks before leaving a server to run in the background.

Any other way to check if we have enough GPU memory on startup would be also good.

Contributor Guide

Research-Richtung
Untersuche die aktuelle On Demand GPU Speicherzuweisung im Code, identifiziere, wo Attention Cache und Zwischentensoren während des Rückwärtsdurchlaufs zugewiesen werden, und implementiere einen Mechanismus, um den maximal erforderlichen Speicher beim Start vorzuweisen. Erwäge die Verwendung von CUDA Speicherpools oder PyTorch Tensorvorzuweisung.
Tech Stack
python
Domain
backendperformance
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonGPU memory management
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
50