大模型面经—如何评估显卡利用率及显卡运用优化方法

原创最新推荐文章于 2026-08-08 17:29:56 发布 2.1k 阅读 AI写同款

Python_金钱豹

1万+粉丝2840篇原创

关注

FLOPS和TOPS的区别以及算力的计算方法 AI芯片通过设计特殊的计算单元，实现了超高的操作数量。例如：以GTX680为例，单核一个时钟周期单精度计算次数为两次，处理核个数为1536，主频为1006MHZ，那他的计算能力的峰值P 为：P = 2 × 1536 × 1006MHZ = 3.09TFLOPS，1T为1兆，也就是说，GTX680每秒可以进行超过3兆次的单精度运算。AI芯片算力又是算力中专门的一个领域，低标准下的高算力是比不上高标准下的低算力的，比如INT4标准下的100TOPS算力是要远弱于INT8标准下的90TOPS的。阅读详情

AI摘要

博客总结了显卡利用率评估及优化方法，如用flops比值法、throughout估计法等评估，通过减少日志IO、优化数据加载等优化显存。还介绍大模型AI学习路径，包括初阶应用、高阶应用、模型训练和商业闭环四个阶段，并提供免费学习资料。

本篇总结了显卡利用率评估方法及显卡运用优化方法。

本篇来总结一些显卡优化的经验，还是按照面经的形式给出，希望能给到大家一些实际训练效率优化的帮助~

下面是一个快捷目录。

一、如何评估显卡利用率？

二、如何优化显存利用率？

一、如何评估显卡利用率

使用deepseed时，zero3如果没有 nvlink，多卡训练下会变慢很多，下面有三种方法来评估训练时发挥了多少GPU性能。

1. flops 比值法

采用Nvidia可参考的显卡峰值计算速度进行计算

gpu 利用率 = 实测的flops/显卡理论上的峰值flops

实测的flops可以直接用 DeepSpeed Flops Profiler直接得到。

举例：deepspeed 实测flops 100tflops，而用的是A100卡理论峰值312tflops，可以得到GPU 利用率只有 32.05%

2. throughout 估计法

根据论文中的训练速度或者吞吐量进行计算，一般论文中会说明 3300 token/s/gpu

gpu 利用率 = 实际吞吐量 / 论文中的吞吐量（假设利用率100%）

举例：

实测训练时处理样本速度为 3 example/s，一共有4卡，max length 2048，则吞吐量为 1536 token/s/gpu ；

根据llama 论文知道，他们训练7B模型的吞吐量约为 3300 token/s/gpu，那么GPU利用率只有46.54%

3. torch profiler 分析法

利用torch profiler 记录各个函数的时间，将结果在tensorboard上展示，在gpu kenel视图下，可以看到tensor core 的利用率，比如30%。

profiler是一个用于分析训练的一体化工具。它可以记录CPU操作时间、CUDA内核计时、内存消耗历史，只需要将训练嵌入到分析器上下文中，如下所示:

 `import torch.autograd.profiler as profiler``   ` `with profiler.profile(`   `activities=[ProfilerActivity.CPU, ProfilerActivity.CUDA],`   `on_trace_ready=torch.profiler.tensorboard_trace_handler('./logs'),` `) as prof:`   `train(args)`

然后就可以启动tensorboard查看分析轨迹。注意这里需要先安装torch-tb-profiler。

最推荐的还是方法三，可以比较详细地监控训练过程。

二、如何优化显存利用率

如果发现GPU利用率很低，那么需要采取一些优化措施。以下是一些优化 GPU 性能的方法：

1. 减少日志IO操作频率

输出频率过多非常影响训练效率，所以一旦开始正式训练尽量把日志精简；有必要的话print也尽量少一些。

2. 基于类似于torch profiler 这样的性能监控方法结合具体的情况分析瓶颈

3. 数据加载效率过低

有可能是数据加载速度慢，导致 GPU 等待 CPU 提供数据。

可以通过下面的方法：

1）增加数据加载线程数，使用框架（如 PyTorch 或 TensorFlow）中 `DataLoader` 的 `num_workers` 参数增加数据加载的并发。

2）使用数据预缓存，在训练开始前，将数据转换为 Tensor 并存储到高效格式（如 TensorFlow 的 TFRecord 或 PyTorch 的 `.pt` 文件）。

3）启用异步加载，利用异步数据加载技术，例如 PyTorch 的 `prefetch`。

4）使用更快的存储设备，如果数据集较大，建议将数据存储在 NVMe SSD 或 RAMDisk 上。

4. 模型架构优化

可以剪枝，简化架构，使用 cuDNN 的优化版本或 TensorRT 加速等更高效的算子进行计算。

5. 调整batch大小

有可能batch数过小，可以增大批量大小，尽量增大 batch_size 以提高并行计算效率，但需注意显存是否足够；并且进行混合精度训练，使用混合精度（float16 + float32）训练（如 PyTorch 的 `torch.cuda.amp` 或 TensorFlow 的 `mixed_float16`），减少显存占用，从而支持更大的批量。

6. 学习率和优化器调整

还有一个可能是训练配置不对，学习率不合理或优化器效率较低。

可以使用合适的学习率策略（如 Warmup、Cosine Annealing）；或者使用高效的优化器（如 AdamW）或框架支持的 fused 优化器（如 PyTorch 的 `fused_adam`）。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述