Gradient checkpointing com Accelerator

Você continua otimizando o uso de memória para treinar seu modelo de tradução de idiomas no seu dispositivo. A acumulação de gradientes ajudou você a treinar efetivamente com tamanhos de lote maiores. Aproveite esse trabalho para adicionar gradient checkpointing e reduzir a pegada de memória do seu modelo.

O model, train_dataloader e accelerator já foram pré-definidos.

Este exercício faz parte do curso

Treinamento Eficiente de Modelos de IA com PyTorch

Ver curso

Instruções do exercício

Ative o gradient checkpointing no model.
Configure um context manager do Accelerator para ativar a acumulação de gradientes no model.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Enable gradient checkpointing on the model
____.____()

for batch in train_dataloader:
    with accelerator.accumulate(model):
        inputs, targets = batch["input_ids"], batch["labels"]
        # Get the outputs from a forward pass of the model
        ____ = ____(____, labels=targets)
        loss = outputs.loss
        accelerator.backward(loss)
        optimizer.step()
        lr_scheduler.step()
        optimizer.zero_grad()
        print(f"Loss = {loss}")

Editar e executar o código