verl-project/verl

[FR] Documentation about Resolving OOM

Open

#1,014 建立於 2025年4月10日

在 GitHub 查看
 (6 留言) (7 反應) (0 負責人)Python (21,533 star) (3,940 fork)auto 404
call for contributiondocumentationgood first issue

描述

Motivation

There are many issues related to OOM, e.g. #328 . We might need a clear guide about how to resolve OOM.

Plan

A non-exclusive enumeration about related configurations:

  1. Rollout：gpu_memory_utilization
  2. Other Inference：
    1. Liger Kernel
    2. *_max_len_per_gpu / micro_batch_size_per_gpu
  3. Training:
    1. Liger Kernel
    2. Ulysses Sequence Parallelism
    3. gradient checkpointing
    4. offload

TODO

  • Complete the list of related configurations
  • Benchmark the effect & overhead of each configuration

貢獻者指南

技術棧
pythonpytorch
領域
documentationperformance
議題類型
documentation
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 days
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
active
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
clear
前置要求
basic Pythonfamiliarity with PyTorchunderstanding of GPU memory
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
70
研究方向
Investigate existing OOM related issues, e.g., #328, to identify common scenarios. For each configuration listed (rollout's gpu memory utilization, Liger Kernel, max len/gpu, gradient checkpointing, etc.), benchmark their effect on memory usage and training performance. Document findings in a structured guide, referencing relevant source files like configuration scripts and training loops.
[FR] Documentation about Resolving OOM · verl-project/verl#1014 | Good First Issue