如何获得 Hugging Face 预训练模型的大小？

Posted 2023-03-29

【中文标题】如何获得 Hugging Face 预训练模型的大小？

【英文标题】：How to get the size of a Hugging Face pretrained model?

【发布时间】：2021-09-06 05:55:46

【问题描述】：

在尝试微调 Hugging Face 预训练 XML Roberta 模型时，我不断收到 CUDA out of memory 错误。所以，我首先要了解的是预训练模型的大小。

model = XLMRobertaForCausalLM.from_pretrained('xlm-roberta-base', config=config)
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")

model.to(device)

我试图用

获得模型的大小

sys.getsizeof(model)

不出所料，我得到了一个不正确的结果。结果我得到 56，这是 python 对象的大小。

然后，我尝试了model. element_size()，但我得到了错误

ModuleAttributeError: 'XLMRobertaForCausalLM' object has no attribute 'element_size'

我已经在 Hugging Face 文档中进行了搜索，但我还没有找到如何去做。这里有人知道怎么做吗？

【问题讨论】：

通常当人们谈论模型的“大小”时，他们谈论的是可学习参数的数量。你写了什么，你在找字节大小吗？

【参考方案1】：

如果您遇到CUDA out of memory 错误，问题主要不是模型，而是训练数据。您可以减少batch_size（并行使用的训练示例数），因此您的 gpu 每次迭代只需要处理几个示例，而不需要处理大量示例。

但是，对于您的问题：

我会推荐你​​objsize。它是一个计算“真实”尺寸（也称为“深度”尺寸）的库。所以一个简单的解决方案是：

import objsize
objsize.get_deep_size(model)

但是，文档说：

排除非排他性对象。也就是说，也从程序中的其他地方引用的对象。这适用于计算对象的深度大小和遍历其后代。

这应该不是问题，但如果它对于您的模型来说仍然太小，您可以使用 Pympler，这是另一个通过递归计算“深度”大小的库。

另一种方法是自己实现get_deep_size() 函数，例如来自this article：

import sys

def get_size(obj, seen=None):
    """Recursively finds size of objects"""
    size = sys.getsizeof(obj)
    if seen is None:
        seen = set()
    obj_id = id(obj)
    if obj_id in seen:
        return 0
    # Important mark as seen *before* entering recursion to gracefully handle
    # self-referential objects
    seen.add(obj_id)
    if isinstance(obj, dict):
        size += sum([get_size(v, seen) for v in obj.values()])
        size += sum([get_size(k, seen) for k in obj.keys()])
    elif hasattr(obj, '__dict__'):
        size += get_size(obj.__dict__, seen)
    elif hasattr(obj, '__iter__') and not isinstance(obj, (str, bytes, bytearray)):
        size += sum([get_size(i, seen) for i in obj])
    return size

【讨论】：

我做的第一件事就是减少批量大小，但我仍然不断收到错误。但是，后来我终于发现我的代码中有一个错误。