llama-33B/llama-65B均报OOM，8*V100跑不起来怎么回事呢？

[alisyzhu]

环境：8 * V100 (32G) 执行run.sh 【错误log】

【LOMO模式】 args_lomo.yaml配置：

ds_config.json配置：

【LOMO+LORA模式】 args_lomo_lora.yaml配置：

ds_config_lora.json

[KaiLv69]

hi, 麻烦提供一下run.sh和更完整的错误log~

[alisyzhu]

hi, 麻烦提供一下run.sh和更完整的错误log~

run.sh脚本：

【错误log】

[KaiLv69]

run.sh脚本：

现在只用了一张GPU，应该设置--include localhost:0,1,2,3,4,5,6,7来使用所有的GPU

[alisyzhu]

run.sh脚本：

现在只用了一张GPU，应该设置--include localhost:0,1,2,3,4,5,6,7来使用所有的GPU

大意了，只看error部分的信息了； 请问，如果我想用多机多卡，这个localhost这里该怎么配置呢？

[KaiLv69]

可以参考https://www.deepspeed.ai/getting-started/#resource-configuration-multi-node

[alisyzhu]

可以参考https://www.deepspeed.ai/getting-started/#resource-configuration-multi-node

好的，感谢。

[00drdelius]

可以参考https://www.deepspeed.ai/getting-started/#resource-configuration-multi-node

3张3090训练13B报OOM👇

参数配置如下： args_lomo.yaml:

ds_config.json:

run.sh:

跑得是baichuan-13b。 对源码的修改我就添加了loss在0.46以下时保存在一个特殊的output directory：

这咋弄呀