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_fa.sh	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

悟道·天鹰（Aquila）语言大模型是首个具备中英双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。
此代码仓中实现了一套基于NPU硬件的Aquila推理模型。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Aquila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	W4A16量化	KV cache量化	稀疏量化	MOE量化	MindIE Service	TGI	长序列
Aquila-7B	支持world size 1,2,4,8	支持world size 1,2,4	√	×	√	√	×	×	×	×	×	×	×	×	×
Aquila2-7B	支持world size 1,2,4,8	支持world size 1,2,4	√	×	√	√	×	×	×	×	×	×	×	×	×
Aquila2-34B	支持world size 4,8	×	√	×	√	√	×	×	×	×	×	×	×	×	×

此模型仓已适配的模型版本
- FalshAI GitHub仓

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`${working_dir}/MindIE-LLM/`；若使用gitee下载的代码，则路径为`${working_dir}/MindIE-LLM/examples/atb_models`
script_path	脚本所在路径；Aquila和Aquila2的工作脚本所在路径为`${llm_path}/examples/models/aquila`
weight_path	模型权重路径

权重

权重下载

量化权重生成

基于原始的FP16的权重，生成量化权重
W8A8 Antioutlier量化权重请使用以下指令生成
暂不支持
W8A8量化权重请使用以下指令生成
暂不支持
W8A16量化权重请使用以下指令生成
暂不支持
稀疏量化权重请使用以下指令生成
暂不支持

基础环境变量

参考此README文件

推理

对话测试

运行Flash Attention FP16

其余Aquila模型参考以下运行方式
- 运行启动脚本
  - 在${llm_path}目录下执行以下指令
```
bash ${script_path}/run_fa.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=20031
    - 设置卡间通信端口
    - 默认使用20031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 HCCL_BUFFSIZE=120
export HCCL_WHITELIST_DISABLE=1
export ATB_CONTEXT_WORKSPACE_RING=1
export ATB_CONTEXT_WORKSPACE_SIZE=2629145600
export ATB_WORKSPACE_MEM_ALLOC_GLOBAL=0
export ATB_LAUNCH_KERNEL_WITH_TILING=0
export ATB_OPSRUNNER_KERNEL_CACHE_GLOABL_COUNT=1
export ATB_OPSRUNNER_KERNEL_CACHE_LOCAL_COUNT=0
```

运行Flash Attention BF16

暂不支持

运行Flash Attention W8A8

暂不支持

运行Flash Attention W8A16

暂不支持

运行Paged Attention FP16

运行启动脚本
- 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=20031
  - 设置卡间通信端口
  - 默认使用20031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
```

运行Paged Attention BF16

暂不支持

运行Paged Attention W8A8

暂不支持

运行Paged Attention W8A16

暂不支持

运行KV cache量化

暂不支持

运行稀疏量化

暂不支持

运行MOE量化

暂不支持

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 aquila_7b ${aquila-7b权重路径} 8
bash run.sh pa_fp16 full_BoolQ 1 aquila2_7b ${aquila2-7b权重路径} 8
bash run.sh pa_fp16 full_BoolQ 1 aquila2_34b ${aquila2-34b权重路径} 8

MMLU测试集精度测试
- 使用GPU测试Aquila模型测试MMLU数据集，需修改如下配置：
- 1、修改开源文件config.json中max_position_embeddings大于3072
- 2、修改开源文件tokenizer_config.json中model_max_length为3072

性能测试