技术标签: python 语言模型 nlp 深度学习 pytorch
BigDL-LLM是基于英特尔 XPU(如CPU、GPU)平台的开源大模型加速库,它使用低比特优化(如FP4/INT4/NF4/FP8/INT8)及多种英特尔 CPU/GPU集成的硬件加速技术,以极低的延迟运行和微调大语言模型。
BigDL-LLM支持标准的PyTorch API(如 HuggingFace Transformers 和 LangChain)和大模型工具(如HuggingFace PEFT、DeepSpeed、vLLM等),可助力 AI 开发者和研究者在英特尔平台(笔记本、工作站、服务器和GPU)上高效开发、加速大语言模型算法和应用。
按照官网给定的快速实践样例, 借助 BigDL-LLM 完成模型加速优化的过程异常简单,只需更改一行代码,就可以立即观察到显著的加速效果。
我们选择的模型是ChatGLM3-6b,这是官网给出的样例。
import torch
import time
import argparse
import numpy as np
from bigdl.llm.transformers import AutoModel
from transformers import AutoTokenizer
# you could tune the prompt based on your own model,
# here the prompt tuning refers to https://github.com/THUDM/ChatGLM3/blob/main/PROMPT.md
CHATGLM_V3_PROMPT_FORMAT = "<|user|>\n{prompt}\n<|assistant|>"
if __name__ == '__main__':
parser = argparse.ArgumentParser(description='Predict Tokens using `generate()` API for ChatGLM3 model')
parser.add_argument('--repo-id-or-model-path', type=str, default="THUDM/chatglm3-6b",
help='The huggingface repo id for the ChatGLM3 model to be downloaded'
', or the path to the huggingface checkpoint folder')
parser.add_argument('--prompt', type=str, default="AI是什么?",
help='Prompt to infer')
parser.add_argument('--n-predict', type=int, default=32,
help='Max tokens to predict')
args = parser.parse_args()
model_path = args.repo_id_or_model_path
# Load model in 4 bit,
# which convert the relevant layers in the model into INT4 format
model = AutoModel.from_pretrained(model_path,
load_in_4bit=True,
trust_remote_code=True)
# Load tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path,
trust_remote_code=True)
# Generate predicted tokens
with torch.inference_mode():
prompt = CHATGLM_V3_PROMPT_FORMAT.format(prompt=args.prompt)
input_ids = tokenizer.encode(prompt, return_tensors="pt")
st = time.time()
output = model.generate(input_ids,
max_new_tokens=args.n_predict)
end = time.time()
output_str = tokenizer.decode(output[0], skip_special_tokens=True)
print(f'Inference time: {
end-st} s')
print('-'*20, 'Prompt', '-'*20)
print(prompt)
print('-'*20, 'Output', '-'*20)
print(output_str)
从这段代码,的确能感受到 BigDL-LLM 的便捷性。
bigdl.llm.transformers
中类似的AutoModel
类,就可以实现轻量加载。model.generate()
方法。为了便于后续的开发使用,我们将其封装为一个类。可以看到,代码非常简洁明了。(当然,目前是比较原始的版本,还未做异常处理和更完善的设计)。
class ChatGLM3Extractor(object):
"""
Generate text
by ChatGLM-3-6b and optimized by BigDL-LLM.
"""
def __init__(self, model_path):
# define chatglm-3 prompt with conversation
self.CHATGLM_V3_PROMPT_FORMAT_TEMPLATE = "<|user|>\n{prompt}\n<|assistant|>"
# loading 4 bit glm-3 model
self.model = AutoModel.from_pretrained(model_path,
load_in_4bit=True,
trust_remote_code=True)
self.tokenizer = AutoTokenizer.from_pretrained(model_path,
trust_remote_code=True)
def extract(self, res_result, prefix_string=""):
"""extract useful numeric field"""
# prompt creating
prompt = f'{
res_result}。{
prefix_string}'
n_predict = 512
with torch.inference_mode():
# chatglm-3 inference
prompts = self.CHATGLM_V3_PROMPT_FORMAT_TEMPLATE.format(prompt=prompt)
input_ids = self.tokenizer.encode(prompts, return_tensors="pt")
st = time.time()
output = self.model.generate(input_ids,
max_new_tokens=n_predict)
end = time.time()
output_str = self.tokenizer.decode(output[0], skip_special_tokens=True)
print(f'Inference time: {
end - st} s')
print('-' * 20, 'Prompt', '-' * 20)
print(prompts)
print('-' * 20, 'Output', '-' * 20)
print(output_str)
return output_str
测试部分,我们加载开源的模型权重。询问模型 “BigDL-LLM是什么?” 。
chatglm3_model = ChatGLM3Extractor("./chatglm3-6b")
question = "BigDL-LLM是什么?"
response = chatglm3_model.extract(res)
我们直接在CPU设备上加载模型并进行推理,我们的CPU规格是Intel Xeon Gold 5218 (6) @ 2.294GHz
。
无论是效果还是性能,都是不错的。
有些人可能认为12s的推理速度是否过慢,但理论上来说,这已经足够快了。原因主要有两点,
- 推理全部在CPU设备进行;
- 我们采用的是同步输出结果的方式,即得到答案才输出完整文本,而实际使用中,更多的是流式输出,即逐字输出。
整体而言,我们对 BigDL-LLM 的实践过程流畅如行云流水,过程中并未遇到任何阻碍。毫无疑问,BigDL-LLM 作为一个开源库的可行性得到了验证,其简洁的开发使用方式显著提升了开发人员的效率。
然而,尽管 BigDL-LLM 有其优点,但我们也发现了一些不足之处:
适配性不足
我们对Qwen的多个版本进行了测试,发现其中一些版本并未得到优化。这可能是由于模型设计时的问题(例如,Qwen的某个版本在预训练时已经使用了量化加速方法,该方法需要在GPU设备上进行加速,但我们在CPU设备上加载并测试了该模型),导致该模型无法被 BigDL-LLM 加速。当然,这也可能是 BigDL-LLM 本身在适配性上的缺陷。
模型性能下降
当我们使用原始的 transformers 库测试ChatGLM3-6b时,我们发现其生成效果似乎优于经过 BigDL-LLM 加速后的版本。虽然我们知道加速版本的性能可能会有所下降,但有时候性能的下降过于明显,甚至有时生成的内容与提问的内容完全不符。
transformers :https://github.com/huggingface/transformers
ChatGLM3-6b:https://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/summary
BigDL-LLM 的官方样例:https://github.com/intel-analytics/BigDL/blob/main/python/llm/example/CPU/HF-Transformers-AutoModels/Model
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法