llamafactory gradient_checkpointing 梯度检查点 通俗完整讲解
1. 原生不开启时（你现在 false 的状态）
模型走一遍前向传播，会把所有中间激活值全部存在显存里。
作用：反向传播算梯度时，直接拿这些中间值计算，不用重新跑前向，速度快。
代价：序列越长、batch越大，中间激活占的显存爆炸，很容易冲到99%。
举个你场景的例子：cutoff_len=1024、bs=32，14B大模型，中间激活张量体积非常大，这就是你显存经常顶满的核心元凶。
2. 开启 gradient_checkpointing: true 做了什么？
核心逻辑：以少量重复计算，换取大幅显存节省
- 前向传播时，不保存全部中间激活，只存少量关键节点；
- 等到反向传播需要某一段中间数据时，重新再跑一遍对应区间的前向计算，现场算出激活；
- 全程不会一次性堆海量中间张量在显存里，显存峰值直接下降 30%～50%。
和你梯度累积完全无关
不管 gradient_accumulation_steps 是2还是4，梯度检查点只管「前向激活要不要存」，不影响梯度累加逻辑。
3. 优缺点
优点
- 大幅压低显存峰值，解决你 88%～99% 冲高、偶尔OOM崩溃问题；
- 同样显卡下，可以开更大 batch / 更长序列长度；
- 搭配 FlashAttention2 双重省显存，MI300 192GB 体验提升明显。
缺点
- 每一步训练会多跑一小段前向计算，训练速度大概慢 10%～20%；
- CPU算力、读写开销轻微上涨，
preprocessing_num_workers=8完全能扛住。
4. 适配你当前场景怎么选
- 现状：显存经常冲到99%，波动极大
→建议开启 true，稳定性优先，轻微降速完全可接受； - 如果你后续调小batch、且全程显存稳定80以内不报警，再切回 false 提速。
5. 补充关键细节（SFT训练专用）
use_cache: false必须搭配梯度检查点一起用（你配置里已经开了，正确），训练阶段禁用KV缓存，额外省一大块显存；- LoRA微调场景下开启梯度检查点不影响LoRA梯度更新，只冻结基础模型部分重算，LoRA训练效果无损失；
- 和 bf16 / FlashAttention2 兼容，ROCm MI300无兼容性bug。
极简总结
不开：存所有中间激活 → 显存占用高、跑的快
开启：丢掉大部分中间激活，反向时临时重算 → 显存砍半、速度略慢
专门解决你长文本1024序列导致的显存爆满问题。
