模型参数量衡量单位

M：百万（Million）

B：十亿（Billion）

$1B=1000M$

参数存储精度

模型参数是固定的，但是一个参数所表示多少字节不一定，需要看这个参数以什么样的精度去存储。

1. 单精度浮点数（FP32）：每个参数占用4字节（32位），提供较高的数值精度。
2. 半精度浮点数（FP16）：每个参数占用2字节（16位），可以节省存储空间和计算资源，但精度有所降低。
3. 8位整数（INT8）：每个参数占用1字节（8位），主要用于量化模型，进一步减少存储和计算开销，但精度显著降低。
4. 双精度浮点数（FP64）：每个参数占用8字节（64位），提供最高精度，但存储和计算成本也最高。

参数所占显存

参数显存 = 参数数量 × 每个参数的字节数(B)

这里的 B 指的是字节

总显存 = 参数显存 + 激活值显存 + 梯度显存 + 优化器状态显存

在使用 checkpoint 进行推理的时候，主要计算参数显存。

举例：

一个 7b 参数的模型，参数存储精度为 float16，那么：

• 总参数个数：$7\ast 10^9$
• 一个参数所占字节数：$16/8=2(B)$
• 参数所占总字节数，即参数显存：$7\ast 10^9\ast 2=14\ast 10^9(B)=14\ast 10^9/1024/1024/1024\approx 14(G)$

简单来看，如果是float16，参数显存就是 参数量*2；如果是 float32，参数显存就是 参数量*4；如果是int8，参数显存就是 参数量*1。