隨著開源基礎(chǔ)模型的爆炸式增長，例如 Llama-2、Falcon 和 Bloom 等。加上國內(nèi)大廠也爭先恐后地為自家的產(chǎn)品上AI能力。

我們見識了大模型的生產(chǎn)力，也想有一個屬于自己的私有模型，但是目前使用API的方式，百度的文言一心API只能調(diào)用一次，訊飛的星火的API直接報內(nèi)部服務(wù)器錯誤(可能是我使用姿勢不對，與平臺無關(guān)??)。而且使用API的方式也涉及到數(shù)據(jù)安全的問題（可以看之前的文章）。

那能不能用開源模型，用自己的數(shù)據(jù)來微調(diào)一下，打造一個自己的專屬模型呢？然而，從成本的角度來看，這些模型中大部分模型對于一般人來說來說幾乎不可能使用，但是也有比較經(jīng)濟的辦法（一個開源項目似乎可以幫忙實現(xiàn)，訪問地址文末給出）。

門檻

硬件是一個比較高的門檻，可能你已經(jīng)嘗試過在本地跑這些模型但是沒有成功，讓我們看看 Meta 的 Llama-2 模型的硬件要求。

Llama-2模型有70億參數(shù)，要在GPU上以完整精度加載模型，即32位（或浮點32位），以進行下游訓(xùn)練或推理，每10億參數(shù)大約需要4GB內(nèi)存，因此，僅僅是加載Llama-2模型，以完整精度需要大約280GB內(nèi)存。

不過實際上Llama-2 實際上是以 16 位而不是 32 位發(fā)布的（不過很多 LLM 是以 32 位發(fā)布的）。加載 Llama-2 70B 將花費 180GB。（其實原理都是一樣的，就像我們使用Redis 一樣，如果想讓它占用較小的內(nèi)存，就用32位而不是64位編譯它）。

所以，我們也可以以節(jié)約內(nèi)存為目的，選擇加載不同精度級別的模型（以犧牲性能為代價）。如果加載 8 位精度的模型，每十億個參數(shù)將需要 1GB 內(nèi)存，這仍然需要 70GB GPU 內(nèi)存才能正常加載。

而且這還沒有談到微調(diào)。如果使用AdamW優(yōu)化器進行微調(diào)，每個參數(shù)需要8字節(jié)的GPU內(nèi)存。對于Llama-2來說，這意味著額外需要560GB的GPU內(nèi)存。總的來說，需要在630GB到840GB之間的GPU內(nèi)存來進行Llama-2模型的微調(diào)。

我們可以看看某東上顯卡的價格

如果你想微調(diào) Llama-2，你將需要至少八個這樣的 GPU，你可以算算需要多少money。

如果使用云環(huán)境，按需使用的話，每小時也需要277.933，而且還沒有貨。

但是如果你只是想學(xué)習(xí)一下，那么也可以使用Google的Colaboratory（ 簡稱"Colab"），Colab可以給我們分配免費的GPU使用。任何人都可以通過瀏覽器編寫和執(zhí)行任意 Python 代碼。

Colab 中的 GPU 是隨機分配，通常包括 Nvidia K80、T4、P4 和 P100。免費用戶大多數(shù)只能使用速度較慢的 K80 GPU，訂閱Colab Pro(每月9.9美元）可以使用 T4 或 P100 GPU。訪問地址放到文章末尾

那還有其他選擇嗎？目前有一個開源方案是Petals

什么是PETALS

Petals采用客戶端-服務(wù)器架構(gòu)。客戶端是尋求使用LLM進行推理或微調(diào)的一方。服務(wù)器則是第三方，他們選擇分配一部分GPU資源給Petals網(wǎng)絡(luò)。

如果你用種子下載過資源，就能理解它的運行原理。BT下載這玩意兒，下載同一個文件的人越多，這個文件的下載速度就越快，因為每個下載用戶都會成為一個“資源節(jié)點”，互通有無。Petals道理和這個差不多，就是把大家伙的GPU都利用起來，協(xié)同推理/微調(diào)同一個大模型。

用了它，你的GPU實際上只需要加載大模型的一小部分，就能把模型跑起來。

舉個例子：

阿張想基于Llama搞個懂法語的語言大模型，而小李則想微調(diào)Llama讓它學(xué)會C++編程。盡管任務(wù)不同，但兩者涉及的一些步驟卻是共通的。

此時包括阿張小李在內(nèi)的Petals用戶們，自個兒的GPU里已分別加載好了模型的一部分（子集）。

于是，阿張和小李就可以通過網(wǎng)絡(luò)尋求其他用戶的幫助，利用別人已經(jīng)擁有的模型子集，在最短時間內(nèi)對Llama進行微調(diào)。同時，他們GPU上的模型資源也會被其他用戶利用。

圖片

這樣的話，現(xiàn)在來運行Llama-2模型進行推理，GPU要求已經(jīng)降低到僅需不到12GB的GPU內(nèi)存。

下面是Petals基于BLOOM-176B模型的測試數(shù)據(jù)：

圖片

如果你感興趣，還可以直接在官方提供的Colab鏈接上試玩一下，地址在文章末尾。

圖片

最后

雖然Petals 提供了一個解決方案，但是它并不是時時刻刻都能使用的，網(wǎng)絡(luò)上根本沒有足夠的服務(wù)器來實現(xiàn)它。就拿Llama-2–70b-chat-hf 模型來說，有時候找不到在線服務(wù)器。

可以在這里看到實時監(jiān)控 https://health.petals.dev/

圖片

還有一些隱私和數(shù)據(jù)安全問題，因為在第一層模型上運行的服務(wù)器可以對它們進行逆向工程以恢復(fù)客戶端的輸入，這顯然不適合涉及敏感數(shù)據(jù)的用例。

Colab地址：

https://colab.research.google.com/drive/1Ervk6HPNS6AYVr3xVdQnY5a-TjjmLCdQ?usp=sharing

https://colab.research.google.com/?hl=zh-cn#scrollTo=GJBs_flRovLc

petals地址：

https://github.com/bigscience-workshop/petals