verl-project/verl

Additional memory optimization features

Aberta

#144 aberto em 27 de jan. de 2025

Ver no GitHubGuia do colaborador
 (6 comentários) (3 reações) (0 responsável)Python (4.440 forks)auto 404
call for contributionenhancementgood first issue

Métricas do repositório

Stars
 (23.087 estrelas)
Métricas de merge de PR
 (Mesclagem média 3d 6h) (125 fundiu PRs em 30d)

Description

  • Activation offloading (see implementation here)
  • Fusing optimizer step into backward pass (see implementation here)
  • Utilize full_shard reshard_after_forward (see here). I wasn't 100% sure if I could see this already implemented in veRL.

These optimizations largely trade off decreased peak memory useage for additional compute, so may only be useful for training larger models, and in GPU-constrained settings.

Guia do colaborador

Direção de pesquisa
Investigue as implementações de referência para descarregamento de ativação, fusão do passo do otimizador no backward e full shard reshard after forward. Determine quais ainda não estão implementadas no veRL e planeje a integração.
Pilha de tecnologia
pythonpytorch
Domain
backendai
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Meio dia
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
PythonPyTorch
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
30