评估训练模型所需的算力
1.模型规模（核心因素）
1.1 参数量决定算力下限：
-
10亿参数模型：需约1-10 PetaFLOP/s-days（等效1万亿次浮点运算持续1天）
-
千亿参数（如GPT-3）：约3,000-5,000 PetaFLOP/s-days
-
万亿参数模型：超过50,000 PetaFLOP/s-days
1.2 显存需求公式：
显存(GB) ≈ (参数量 × 20 bytes) / 10^9
175B模型需约3.5TB显存，需使用8路A100（40GB）并行
2. 训练数据规模
2.1 数据-算力关系：
总计算量(FLOP) ≈ 6 × 参数量 × token数
-
1万亿token训练：175B模型需1.05e+24 FLOP
-
等效于1,000张A100连续运行34天（假设150 TFLOPS/GPU&#
原文地址:https://blog.csdn.net/happyAnger6/article/details/145393361
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.kler.cn/a/525382.html 如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.kler.cn/a/525382.html 如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！