ファインチューニングに必要なもの
QLoRA は 4 ビットで固定したモデルの上でアダプタを学習し、LoRA は 16 ビットで固定したモデルの上で学習します。フルファインチューニングはすべての重みを更新します。数値はアクティベーションを含まない値で、アクティベーションはバッチサイズとシーケンス長に応じて増えます。
| メソッド | メモリと最小構成 |
|---|---|
| QLoRA | 5.6 GB：RTX 4090 または RTX 3090 1 枚、RTX 3090 は GPU 1 時間あたり $0.19 から |
| LoRA | 19 GB：RTX 4090 または RTX 3090 1 枚、RTX 3090 は GPU 1 時間あたり $0.19 から |
| フルファインチューニング | 128 GB：H200 1 枚、GPU 1 時間あたり $3.44 から |
モデルについて
Hugging Face 上のモデルカードとファイルから。このページのメモリの数字は GPU メモリガイドの計算に従っています。
- パラメータ数
- 8.0B
- 公開時の精度
- BF16
- ライセンス
- llama3.1
- 公開日
- 2024-07-18
Arrakis でデプロイする
コンソールで Models を開き、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。GPU メモリが足りるマシンなら、自分で動かすこともできます：
vLLM
vllm serve meta-llama/Llama-3.1-8B-Instruct --tensor-parallel-size 1よくある質問
すべての GPU の最新価格は GPU 価格 のページにあります。
Llama-3.1-8B-Instruct にはどれだけの GPU メモリが必要ですか？
推論で動かすには、16 ビットで約 19 GB、8 ビットで約 10 GB、4 ビットで約 5 GB です。KV キャッシュと活性化の分として約 20% を含みます。ファインチューニングには、QLoRA で約 6 GB、LoRA で約 19 GB、Adam によるフルファインチューニングで約 128 GB が必要です（活性化を除く）。
Llama-3.1-8B-Instruct は GPU 1 枚で動きますか？
はい。16 ビットで約 19 GB 必要で、RTX 4090 または RTX 3090 1 枚に収まります。
Llama-3.1-8B-Instruct を動かす費用はいくらですか？
16 ビットなら RTX 4090 または RTX 3090 1 枚、4 ビットなら RTX 4090 または RTX 3090 1 枚が必要です。このページの各構成には、Arrakis での現在の GPU 1 時間あたりの最安値を表示しています。料金は前払い残高から 1 時間単位で支払います。
Arrakis で Llama-3.1-8B-Instruct をデプロイするには？
Arrakis コンソールで Models を開き、meta-llama/Llama-3.1-8B-Instruct を貼り付け、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。
ほかのモデル
- Llama-3.1-8B8.0B
- Meta-Llama-3-8B-Instruct8.0B
- Llama-2-7b-hf6.7B
- Llama-3.2-3B-Instruct3.2B
- Hermes-3-Llama-3.1-8B8.0B
- Apertus-8B-Instruct-25098.1B