Open lixsh6 opened 2 months ago
奇怪的问题,可能是没有flash_attn导致的?请问具体是哪个环节OOM了?
补充建议: 可以参考这个脚本合并reward critic 以及 actor ref 速度会更快:https://github.com/OpenLLMAI/OpenRLHF/blob/main/examples/scripts/train_ppo_llama3_ray_colocate.sh vllm engine=4 tp_size = 4 actor gpus=8 critic gpus=8
贴一下环境信息吧?比如ds版本、flash_attn
贴一下环境信息吧?比如ds版本、flash_attn
deepspeed 0.12.3+00df0c19
flash-attn 2.3.3
torch 2.2.1
torchaudio 2.2.1
torchvision 0.17.1
vllm 0.4.1
vllm-nccl-cu12 2.18.1.0.4.0
cuda版本12.2
奇怪的问题,可能是没有flash_attn导致的?请问具体是哪个环节OOM了?
补充建议: 可以参考这个脚本合并reward critic 以及 actor ref 速度会更快:https://github.com/OpenLLMAI/OpenRLHF/blob/main/examples/scripts/train_ppo_llama3_ray_colocate.sh vllm engine=4 tp_size = 4 actor gpus=8 critic gpus=8
试了还是一样的问题,你们又遇到类似的问题吗?感觉像是ray的问题。我的ray是2.20版本
奇怪的问题,可能是没有flash_attn导致的?请问具体是哪个环节OOM了? 补充建议: 可以参考这个脚本合并reward critic 以及 actor ref 速度会更快:https://github.com/OpenLLMAI/OpenRLHF/blob/main/examples/scripts/train_ppo_llama3_ray_colocate.sh vllm engine=4 tp_size = 4 actor gpus=8 critic gpus=8
试了还是一样的问题,你们又遇到类似的问题吗?感觉像是ray的问题。我的ray是2.20版本
CPU 内存不够 不足以放下 adam optimizer? docker 环境推荐试试 https://github.com/OpenLLMAI/OpenRLHF/tree/main/dockerfile
跑了qwen2 72B的PPO出现的OOM异常
环境:4机32卡,80G显存,2T内存。理论上应该不会oom才对。 运行代码: