p04798526
/
LLaMA-Factory-310P3
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
LLaMA-Factory-310P3/mindie/examples/models/vicuna
History
wql faa909dcc3 add: add mindie file 2024-09-10 15:38:33 +08:00
..
README.md add: add mindie file 2024-09-10 15:38:33 +08:00
run_pa.sh add: add mindie file 2024-09-10 15:38:33 +08:00

README.md

README

Vicuna是由 LMSYS 发布的基于Llama 2用ShareGPT收集的125K对话集微调的大模型，最长可以支持16K。

  • 此代码仓中实现了一套基于NPU硬件的Vicuna模型。配合加速库使用，旨在NPU上获得极致的推理性能。

特性矩阵

  • 此矩阵罗列了各Vicuna模型支持的特性
模型及参数量 800I A2 Tensor Parallelism 300I DUO Tensor Parallelism FP16 BF16 Flash Attention Paged Attention W8A8量化 W8A16量化 KV cache量化 稀疏量化 MOE量化 MindIE Service TGI 长序列
Vicuna-7B-v1.5-16K 支持world size 1,2,4,8 支持world size 2,4 是 否 否 是 否 否 否 否 否 否 否 否
Vicuna-13B-v1.5-16K 支持world size 1,2,4,8 支持world size 2,4 是 否 否 是 否 否 否 否 否 否 否 否

使用说明

路径变量解释

变量名 含义
working_dir 加速库及模型库下载后放置的目录
llm_path 模型仓所在路径; 若使用编译好的包，则路径为${working_dir}/；若使用gitee下载的代码，则路径为${working_dir}/MindIE-LLM/examples/atb_models
script_path 脚本所在路径; Vicuna的工作脚本所在路径为${llm_path}/examples/models/vicuna
weight_path 模型权重路径

权重

权重下载

权重转换

若权重中不包含safetensors格式，则执行权重转换步骤，否则跳过

基础环境变量

推理

对话测试

运行Paged Attention FP16

  • 运行启动脚本
    • 将${llm_path}加入PYTHONPATH搜索目录 
      export PYTHONPATH=${llm_path}:${PYTHONPATH}
    • 在${llm_path}目录下执行以下指令 
      bash ${script_path}/run_pa.sh ${weight_path}
  • 环境变量说明
    • export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
      • 指定当前机器上可用的逻辑NPU核心，多个核心间使用逗号相连
      • 核心ID查阅方式见此README文件的【启动脚本相关环境变量】章节
      • 对于300I DUO卡而言，若要使用单卡双芯，请指定至少两个可见核心；若要使用双卡四芯，请指定至少四个可见核心
      • 各模型支持的核心数参考“特性矩阵”
    • export MASTER_PORT=20030
      • 设置卡间通信端口
      • 默认使用20030端口
      • 目的是为了避免同一台机器同时运行多个多卡模型时出现通信冲突
      • 设置时端口建议范围为：20000-20050
    • 以下环境变量与性能和内存优化相关，通常情况下无需修改 
      export ATB_LAYER_INTERNAL_TENSOR_REUSE=1
export INF_NAN_MODE_ENABLE=0
export ATB_OPERATION_EXECUTE_ASYNC=1
export TASK_QUEUE_ENABLE=1
export ATB_CONVERT_NCHW_TO_ND=1
export LCCL_ENABLE_FALLBACK=1
export ATB_WORKSPACE_MEM_ALLOC_GLOBAL=1
export ATB_CONTEXT_WORKSPACE_SIZE=0

精度测试

  • 参考此README文件
    • 示例 
      cd ${llm_path}/tests/modeltest
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
export MAX_MEMORY_GB=29
bash run.sh pa_fp16 full_BoolQ 1 vicuna ${weight_path} 8
bash run.sh pa_fp16 full_CEval 5 1 vicuna ${weight_path} 8

性能测试

  • 参考此README文件
    • 示例 
      cd ${llm_path}/tests/modeltest
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
export MAX_MEMORY_GB=29
export ATB_LLM_BENCHMARK_ENABLE=1
bash run.sh pa_fp16 performance [[2048,2048],[1024,1024],[512,512],[256,256]] 1 vicuna ${weight_path} 8

FAQ

  • 更多环境变量见此README文件
  • 对话测试实际执行的Python文件为${llm_path}/examples/run_pa.py；这两个文件的参数说明见此README文件
  • 运行时，需要通过指令pip list｜grep protobuf确认protobuf版本，如果版本高于3.20.x，请运行指令pip install protobuf==3.20.0进行更新