深度学习基础理论————DeepSpeed

Deepspeed作为一种显存优化技术，那么就会有一个问题：
模型训练显存都被谁占用了？

参考论文（
https://arxiv.org/pdf/1910.02054）中的描述在一个
1.5B的
GPT-2模型参数量为
3G（半精度）但是一块32G的显卡可能无法训练下来，这是因为显存都被
模型状态 以及
剩余状态（
Residual Memory Consumption）