梯度累积
  1. 首页
  2. 梯度累积

列表

梯度累积深度实战：从显存墙、小批量退化到有效批次与混合精度训练的协同工程

梯度累积深度实战：从显存墙、小批量退化到有效批次与混合精度训练的协同工程

在大模型训练的工程现场，GPU 显存是最硬的约束。当你想用 128 的全局批量（global batch）去逼近论文里的收敛曲线，却发现单卡连 micro batch=8 都 OOM 时，梯度累积（Gradient Accumulation）几乎是唯一不依赖多机多卡就能"假装大批量"的手段。但它远不是"把 loss 除以 N 再累加起来"那么简单：Batch Normalization 的统计错位…
大语言模型 2026年10月08日
学习率调度深度实战：从 Warmup、Cosine 退火到 WSD 与线性缩放律的大批量预训练工程

学习率调度深度实战：从 Warmup、Cosine 退火到 WSD 与线性缩放律的大批量预训练工程

系统拆解学习率调度的第一性原理：为什么 LR 主宰优化轨迹与泛化（flat/sharp minima），从恒定与阶梯衰减的朴素基线，到线性/常数/余弦三种 Warmup 的动力学成因，再到 Cosine 退火、SGDR 与现代化大模型预训练范式 Warmup-Stable-Decay（WSD），并深入线性缩放律与 Accumulated Warmup 修正、与梯度累积/混合精度/梯度裁剪的交互陷阱，给出可复用的 PyTorch 组合调度器与生产陷阱清单，与本站 RMSNorm、相对位置编码、交叉注意力共同构成 Transformer 内部机制与训练工程深度解系列。
模型微调 2026年10月08日