From c8cbca2fec38f4d6a8b8fa4130a0515f4c5b0f26 Mon Sep 17 00:00:00 2001
From: p04896573 <p04896573@example.org>
Date: Mon, 27 May 2024 14:13:03 +0800
Subject: [PATCH] Update README_ENV.md

---
 quick_start_clean/readmes/README_ENV.md | 11 ++++++++++-
 1 file changed, 10 insertions(+), 1 deletion(-)

diff --git a/quick_start_clean/readmes/README_ENV.md b/quick_start_clean/readmes/README_ENV.md
index 764a8e7..d6b5aff 100644
--- a/quick_start_clean/readmes/README_ENV.md
+++ b/quick_start_clean/readmes/README_ENV.md
@@ -95,6 +95,16 @@ pip installlibcpm-1.0.0-cp38-cp38-linux_x86_64.whl
 ```
 
 # 硬件资源
+## 推荐配置：
+### 千亿大模型
+   - 预训练、全参数微调：8 * 512G以上内存，64 * 80G以上显存
+   - 高效微调（LoRA）与推理: 512G 以上内存，8 * 80G以上显存
+### 百亿大模型
+   - 预训练、全参数微调：2 * 512G以上内存，16 * 80G以上显存
+   - 高效微调（LoRA）与推理: 128G 以上内存，2 * 80G以上显存
+
+## 极限配置
+最极限的资源配置，仅供参考，在大模型训练中其实并不推荐，因为其效果一般不佳，训练时长也比较久
 | 模型        | 资源   |  最小算力  | 
 | :--------  | :-----  | :----:  |
 | 百亿模型 |内存 |训练:140G, 推理:1G|
@@ -102,7 +112,6 @@ pip installlibcpm-1.0.0-cp38-cp38-linux_x86_64.whl
 | 千亿模型 |内存 |训练: 200G, 推理:2G|
 | 千亿模型 |显存 |训练: 8*80G , 推理:4 * 50G|
 
-
 另外
 - 该表格是百亿、千亿模型需要的最小的资源，batch size为1.
 - 百亿模型是在单卡A100上测试