A100 买不到了，只有小显卡怎么训大模型

为了达到更好的训练效果，通常炼丹师们会使用更大的模型和更大的 Batch size，但因此带来的大显存占用，却成为不可避免的硬伤。

尤其是如今 GPU 越来越贵，甚至还可能买不到......

MegEngine v1.5 及以上版本，支持动态图和静态图的显存优化，显存占用可降至 1/4。

先上对比效果

背后的逻辑很简单：计算换显存 - MegEngine 使用重计算策略，实现了用时间换空间。

使用方法

动态图下开启：

在训练代码之前只需添加一行代码：

megengine.dtr.enable()

静态图下开启：

在编译静态图时使用 DTRConfig 设置 trace 的参数 dtr_config：

from megengine.jit ``import trace, DTRConfig

config ``= DTRConfig(eviction_threshold``=``8``*``1024``*``*``3``)

@trace``(symbolic``=``True``, dtr_config``=``config)

def train_func(data, label, ``* , net, optimizer, gm):

...

更多使用技巧，见官方文档  https://www.megengine.org.cn/doc/stable/zh/user-guide/model-development/dtr/

延展阅读：

https://zhuanlan.zhihu.com/p/375642263

https://www.bilibili.com/video/BV1Bg411c7cf?spm_id_from=333.999.0.0

To 新朋友的特别提示：

DTR 作为 MegEngine 原生特性，无法脱离 MegEngie 独立使用。

好在 MegEngine 顶层 API 基于 Python，采取了类似于 PyTorch 的风格，已被众多用户反馈易上手，入门简单。

还有丰富的用户指南文档：

https://www.megengine.org.cn/doc/stable/zh/user-guide/index.html

所以，不用顾虑太多，可以勇敢尝试哦~

开源地址： https://github.com/MegEngine/MegEngine   （欢迎 star~  :