`initialize_state` starts to impact memory usage at very high atom numbers > 100,000,000
Maintainer thường phản hồi trong vòng 2 ngày
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 5/5
- Thời gian dự kiến
- Hơn một tuần
- Mức phù hợp với người mới
- 25/100
- Loại issue
- Tính năng
- Độ rõ ràng
- Cần làm rõ
- Mức độ hoạt động
- Đình trệ
- Lĩnh vực
- performance
Hướng nghiên cứu
Start by reading torch_sim.state.initialize_state and the HotSwappingAutobatcher and ChunkingAutoBatcher entry points mentioned in the issue. Clarify how state tensors are created and whether the chunking autobatcher can consume a stream of states. Done should mean the proposed approach avoids requiring the full state to reside on the GPU; the issue does not specify tests or acceptance criteria.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
From @yutackpark, regarding the integrate function.
The torch_sim.state.initialize_state function sends all the state tensors to the GPU. If the state is too large, this is another potential place for an OOM error.
My current recommendation would be to use the low-level API to circumvent this issue. That would give a lot more control over memory management and is what I would encourage if the initialize_state memory usage became an issue.
The memory footprint of the state is ~ 50-100 bytes / atom, so one would need to reach hundreds of millions of atoms to significantly impact GPU memory usage. It's not ideal to have such a hard limit. The HotSwappingAutobatcher allows for a stream of states and thus gets around this memory issue, we could take a similar approach for the ChunkingAutoBatcher.
- Ngôn ngữ chính
- Python
- Star
- 502
- Fork
- 108
- Merge trung bình
- 1 ngày 1 giờ
- Pull request đã merge (30 ngày)
- 12
Chuẩn bị môi trường
- Không có Dockerfile hay tệp Docker Compose
- Có mẫu pull request
- Đọc hướng dẫn đóng góp
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của TorchSim/torch-sim
-
`unwrap_positions` gives wrong results for triclinic cellsCó thể đã có người làm @lance-lii đã nhận 1 ngày trước. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 85/100
TorchSim/torch-sim#629 · 1 bình luận ·
Maintainer thường phản hồi trong vòng 2 ngày
-
Autobatcher memory probe does not recognize cuequivariance out-of-memory errorsCó thể đã có người làm @lil-lon đã nhận 2 ngày trước. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 70/100
TorchSim/torch-sim#627 · 5 bình luận · 1 reaction ·
Maintainer thường phản hồi trong vòng 2 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 65/100
Maintainer thường phản hồi trong vòng 2 ngày
-
Add MLIPOps backendsĐang mởhelp wanted ml-eng-friendly
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 25/100
TorchSim/torch-sim#606 · 6 bình luận · 1 reaction ·
Maintainer thường phản hồi trong vòng 2 ngày
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 42/100
TorchSim/torch-sim#597 · 7 bình luận ·
Maintainer thường phản hồi trong vòng 2 ngày
Tất cả issue của TorchSim/torch-sim
Issue tương tự
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 82/100
Nixtla/mlforecast#823 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 68/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 65/100
microsoft/ML-For-Beginners#1061 ·
-
bot-found documentation priority: P3
Độ khó 2/5 Dưới một giờ Mức phù hợp với người mới 82/100
madenvel/KalinkaPlayer#503 ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 63/100
EleutherAI/lm-evaluation-harness#4508 ·
Maintainer thường phản hồi trong vòng 1 ngày