开源大模型占GPU显存计算方法

运行大模型GPU占用计算公式：

$M=\frac{(P * 4B)}{32 / Q} * 1/2$

• M : 以GB标识的GPU内存
• P : 模型中的参数数量，例如一个7B模型有70亿参数
• 4B : 4个字节，表示用于每个参数的字节
• 32 : 4个字节中有32位
• Q : 应该用于加载模型的位数，例如16位、8位、4位
• 1.2 : 表示在GPU内存中加载其他内容的20%开销

常用大模型内存占用

大小（billion）	模型位数	显存占用（GB）
1.5B	4	0.9
1.5B	8	1.8
1.5B	16	3.6
7B	4	4.2
7B	8	8.4
7B	16	16.8
9B	4	5.4
9B	8	10.8
9B	16	21.6
40B	4	24
40B	8	48
40B	16	96
70B	4	42
70B	8	84
70B	16	168

量化大模型的标准写法

经常看到量化大模型后面带着q2_k 、ft16 、 q5_k_s 、q8_0 等写法。这类写法代表着大模型的量化后的指标，释义如下：

传统量化

包括q4_0、q4_1、q8_0等方法。

如q4_0。代表模型位数=4，0表示保留0位小数。即数据会被量化到0-255之间的整数

K值量化

如q2_k、q5_k_s 等方法。实际上就是不同层用不同精度量化，以比传统量化更智能的方式分配bit。解压缩方式与传统量化类似,同样快速