ai_and_memory_wall

ai_and_memory_wall

行业领先模型的参数及内存使用情况的分析

此库提供了AI and Memory Wall论文中的数据,包括SOTA模型在计算机视觉、自然语言处理和语音学习领域的参数、特征大小和推理与训练所需的总FLOPs。详细统计涵盖BERT和GPT系列等模型,分析其内存使用和训练计算量。数据表格展示了各模型的输入分辨率、参数内存和总内存,为研究人员和开发者提供可靠的参考。

CV模型NLP模型SOTA模型内存占用训练FLOPsGithub开源项目

AI与“记忆墙”项目介绍

项目背景

本项目是围绕“AI与记忆墙”(AI and Memory Wall)论文的数据集合,主要涉及计算机视觉(CV)、自然语言处理(NLP)和语音学习领域的最先进(SOTA)模型的内存占用和计算量(FLOPs)。项目通过对这些模型的参数数量、特征尺寸以及在推理和训练阶段的总FLOPs进行详细报告,帮助研究者深入了解当前模型的计算和内存需求。

自然语言处理(NLP)模型

在NLP领域,项目主要关注不同变种的Transformer模型。这些模型从BERT模型入手,分别计算了它们在训练和推理阶段的FLOPs,参数数量以及内存占用。这些信息让我们能清楚了解这些顶尖NLP模型在性能和资源消耗上的异同。

参数信息展示

项目为每个模型提供了详细的参数信息,包括序列标记尺寸(Token Size)、参数数量(#Params)、特征数量(#Features)、推理阶段的GFLOPs以及训练阶段的PFLOPs。例如,GPT-3模型在推理阶段需要740,000 GFLOPs,而在训练阶段则需要消耗310,000,000 PFLOPs。

计算机视觉(CV)模型

在CV领域,项目列出了多个重要的视觉模型,逐个分析它们的输入图像分辨率、参数数量、推理和训练阶段的GFLOPs和PFLOPs,从而对比这些模型的复杂程度和计算资源需求。

参数信息展示

例如,AlexNet需要1.4 GFLOPs用于推理,而ResNet152则需要23 GFLOPs。同时,训练阶段的资源消耗差异更大,InceptionV3在训练时需要100,000 PFLOPs,而DenseNet201仅需2,800 PFLOPs。

内存需求分析

除计算资源外,项目还提供了历年来不同SOTA模型所需的内存详细报告,包括存储参数所需的内存、优化算法相关的内存以及激活/特征内存等。通过这些信息,研究者可以更好地理解和优化内存使用问题。

示例分析

在2018年,BERT Large模型的总内存需求为18.34 GB,其中参数内存为1.32 GB,优化器内存为2.64 GB,激活内存则达到了14.38 GB。这反映出深度学习模型在提升性能的同时,也在内存消耗上带来了巨大挑战。

致谢

如果您认为此项目对您的研究工作有帮助,请引用以下论文:

Gholami A, Yao Z, Kim S, Mahoney MW, Keutzer K. AI and Memory Wall. RiseLab Medium Blog Post, University of California Berkeley, 2021, March 29.

此项目通过量化分析和数据支持,为研究者提供了对复杂AI模型内存和计算需求的准确认识,进而帮助设计更高效的AI解决方案。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多