machine-learning - 单 GPU 上的 Transformer 模型微调

Question

在 GPU 需求和 GPU 内存使用方面，与从头开始训练变压器（BERT、GPT-2）相比，微调预训练的变压器模型是更容易的模型吗？

为了进一步澄清，我已经阅读了如何训练大多数变压器模型，其中一个需要多 GPU 训练。但是，是否可以在单 GPU 上微调其中一些模型？为什么会这样？

是不是因为我们可以用更小的batch，微调的时间不如从头训练多？

Answer 1

是的，微调预训练的 Transformer 模型是一种典型的方法。所需的训练时间非常大（每个模型甚至需要数十万小时的体面 GPU 卡），而微调可以在单个 GPU 上完成。原因是微调只需要在预训练模型的输出之上训练几层，以针对给定任务进行定制。因此，微调需要更少的数据和显着更少的训练时间来获得良好的结果。