微调一个拥有700亿参数的模型,每百万训练token的成本在1到2美元之间,而一个2000万token的LoRA运行估计约为20美元。成本主要取决于训练的token数量和实验运行次数,GPU利用率和每小时费率也起着重要作用。LoRA、QLoRA和梯度检查点等因素会影响每个token的计算操作,从而影响总费用。虽然完全微调涉及更多的计算和内存,但与LoRA相比,成本差异不如GPU速度和每小时定价的影响显著,像Nvidia B200这样的新GPU提供了每美元最便宜的计算能力。 AI
影响 为微调大型语言模型的研究人员和开发人员提供成本规划数据。
排序理由 对大型语言模型微调的计算成本和方法进行分析。[lever_c_demoted from research: ic=1 ai=1.0]
- A100
- AdamW
- H200
- Hugging Face
- Kaplan et al.
- Llama 3.1 70B
- Llama 3.3-70B
- LoRA+
- Meta*
- node
- Nvidia B200
- NVIDIA H100
- QLoRA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →