141GB 显存怎么分配:H200 服务器的显存规划

一张卡 141GB 听着很多,实际跑起来很快就见底。显存规划没做好,要么浪费,要么爆显存。
显存被谁吃掉了
跑一个大模型,显存主要被四部分占用:模型权重、KV Cache、中间激活值、框架和通信缓冲区。
权重是固定开销,参数量乘以精度字节数就能算出来。七十亿参数 FP16 约 14GB,七百亿参数约 140GB。
KV Cache 是变量,跟并发数和上下文长度成正比。长上下文高并发时,这部分可能超过权重本身。
给权重留多少
经验上给权重留出总量的六成左右,剩下四成留给运行时开销。七百亿参数模型在 FP16 下基本吃满单卡,要跑就得量化到 FP8。
量化会损失一点精度,但大多数业务场景感知不到。用 FP8 换来的显存空间,可以支撑更高并发。
KV Cache 怎么估
按层数、头数、维度、序列长度和并发数相乘估算。粗略的经验是每千 token 每并发大约占几百 MB 到一 GB。
实际部署时建议先压测:固定模型,逐步提高并发,看显存在哪个点开始告警。
留出安全余量
显存占用到九成以上,框架容易出现分配失败,表现为服务随机报错。
留 10% 到 15% 的余量,稳定性会好很多。
多卡怎么切
单卡装不下就切分。张量并行把单层拆到多卡,流水并行把不同层分到不同卡。切得越多,通信开销越大。
能用单卡解决就别切,这是最省心的原则。中海云算的 H200 服务器在部署前会一起做显存测算,避免上线后频繁调参。
延伸阅读:
云服务器账单越滚越大,先查这三类闲置资源
云上成本失控,很少是因为单价高,更多是因为资源被遗忘。项目上线时开的一批测试机、做活动临时扩的实例、迁移后没释放的旧主机...
云服务器弹性伸缩配不好,扩容反而会拖垮业务
流量曲线从来不是平的。早高峰、午间小高峰、晚间活动和突发热点,都会让一台固定规格的云服务器在某个时刻被压到CPU满载。很...
云服务器备份别靠运气:快照、镜像与恢复演练该怎么做
很多团队对云服务器备份的理解,还停留在控制台里点一下快照。直到某天误删了数据库目录、被勒索软件加密了整块系统盘,或者所在...
云服务器带宽怎么买?固定带宽与按流量计费的临界点算给你看
云服务器账单里最容易失控的一项往往不是CPU,而是带宽。买固定带宽吧,平时用不到一半,钱照付;改成按流量计费吧,一篇稿子...
云服务器云盘怎么选?普通云盘、SSD云盘、ESSD的IOPS差距与选盘策略
数据库慢查询排查了一圈,索引加了、SQL改了、连接池也调了,响应时间还是卡在两百毫秒下不来,最后发现是云盘的IOPS被打...