Per-component offload: streaming text encoder while transformers stay GPU-resident (warm-serving OOM at 96 GB)
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 52/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Tranquilo
- Área
- machine-learning
Línea de trabajo
Start with packages/ltx-pipelines/src/ltx_pipelines/utils/blocks.py, especially PromptEncoder.__call__ and _text_encoder_ctx, then trace how pipeline constructors pass offload_mode to the prompt encoder and diffusion stages. Check the related issues (#164, #143, #140, and #152) for context. Done means callers can stream the text encoder while keeping transformers GPU-resident, with the default behavior preserved.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Setup
Self-hosted serving of LTX-2.3 (22B) on a single RTX PRO 6000 (96 GB), bf16. To keep warm latency low we keep both stage transformers GPU-resident between requests (~70.8 GB) and cache text embeddings per prompt.
Symptom
The first request with a new prompt on a warm container OOMs:
70.8 GB resident transformers + ~23 GB Gemma full-GPU build → 93.75 GB → CUDA OOM
PromptEncoder.__call__ builds the full Gemma text encoder on GPU per call (packages/ltx-pipelines/src/ltx_pipelines/utils/blocks.py — _text_encoder_ctx returns gpu_model(self._build_text_encoder()) when offload_mode == NONE). With embedding caching, every repeated-prompt request skips this entirely, so benchmarks stay green and the OOM only appears in production on the first unseen prompt.
Why --offload cpu doesn't solve it
The streaming text-encoder builder already exists on every PromptEncoder instance and works well — but offload_mode is a single global knob: every pipeline factory passes the same value to the PromptEncoder and all DiffusionStages. Setting --offload cpu to fix the text encoder also layer-streams the 22B transformers, which defeats persistent-GPU serving (and per the README, offload disables FP8 quantization as a further coupling).
So today there is no supported way to get: streaming text encoder + GPU-resident transformers.
Request
Per-component offload granularity — for example a text_encoder_offload_mode parameter on the pipeline constructors (defaulting to the global offload_mode), or an explicit offload_mode override accepted by PromptEncoder consumers. Even exposing it only at the Python API level (not CLI) would cover the serving use case.
Workaround we run (in case it helps others)
We wrap the prompt-encode call and flip _offload_mode to OffloadMode.CPU only for cache-miss calls when free VRAM is below a threshold, restoring it after. Same weights/dtype → identical embeddings; the request that used to die completes at 78.6 GB peak (~+10 s once per prompt, then cached). Happy to share details or a patch if useful.
Related: #164 (Gemma VRAM pain, smaller-encoder angle), #143 (Gemma co-residency OOM), #140 (offload question), #152 (adjacent external-serving OOM).
- Lenguaje dominante
- Python
- Estrellas
- 10k
- Forks
- 1.6k
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de Lightricks/LTX-2
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Lightricks/LTX-2#336 · 1 comentario ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 15/100
Lightricks/LTX-2#335 · 3 comentarios ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 34/100
Lightricks/LTX-2#334 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
Lightricks/LTX-2#318 ·
-
[Training Details of dubit]Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 12/100
Lightricks/LTX-2#311 ·
Todos los issues de Lightricks/LTX-2
Issues similares
-
bug
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
splunk/security_content#4418 ·
Los mantenedores suelen responder en 1 día
-
[Bug / Enhancement]: Improve teleop_robot CLI with configurable timeout, robust input validation, and clean ROS shutdownPosiblemente ocupada @muskan-creates352 la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 3 días
-
bug(pipelines): shortcode stripping deletes text between a {{< >}} shortcode and the next {{% %}}Posiblemente ocupada @Ashborne-lab la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
kubeflow/docs-agent#293 ·
Los mantenedores suelen responder en 3 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Imbad0202/academic-research-skills#1093 ·
Los mantenedores suelen responder en 1 día
-
Input: placeholder drawn in the text colour when the empty Input is focused but not yet editedAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
pierreaubert/gpui-toolkit#114 ·
Los mantenedores suelen responder en 1 día