原文来源：量子位

图片来源：由无界 AI? 生成

大模型训练推理要用多少内存？

打开这个网页一测便知，测量误差小至0.5MB。

比如模型bert-base-case Int8估计占用413.18 MB内存，实际占用为413.68MB，相差0.5MB，误差仅有0.1%。

操作也很简单，输入模型名称，选择数据类型即可。

这就是HuggingFace Space上的最新火起来工具——Model Memory Calculator，模型内存测量器，在网页端人人可体验。

要知道，跑大模型最头疼的问题莫过于：GPU内存够吗？

现在能先预估一波、误差很小，让不少人大呼“Great”！

实际推理内存建议多加20%

使用第一步，需要输入模型的名称。

目前支持搜索在HuggingFace Transformers库和TIMM库中的模型。

比如想要看GLM-6B的情况，可以输入“THUDM/chatglm-6b”。

不过有一些模型会存在限制，需要获取API token后才能开始计算，比如Llama-2-7b。

我们找了几个大模型实测，可以看到当模型规模达到百亿参数后，内存要求被直线拉高。

基础版的BERT还是对GPU相当友好滴

。

而在实际推理过程，EleutherAI发现需要在预测数据基础上，预留20%的内存。具体举例如下：

作者小哥热衷开源项目

最后来介绍一下带来这个项目的小哥Zach Mueller。

他本科毕业于西佛罗里达大学，主修软件设计与开发，热衷开源，在GitHub有1k粉丝。之前做过很多和Fast.ai框架有关的开源项目。

传送门：https://huggingface.co/spaces/hf-accelerate/model-memory-usage