LLM大模型学习：LLM大模型推理加速llm推理框架 Text Generation Inference(TGI) 教程

Text Generation Inference(TGI)

TGI是hugging face 发布的。

文本生成推理 (TGI) 是一个用于部署和服务大型语言模型 (LLM) 的工具包。 TGI 实现了以下功能：

• Prometheus 指标进行分布式跟踪）
• 张量并行可在多个 GPU 上实现更快的推理
• 使用服务器发送事件 (SSE) 的令牌流
• 连续批处理
• 在最流行的架构上使用[Flash Attention]和[Paged Attention]进行推理的优化转换器代码
• 量化：
  • bitsandbytes
  • GPT-Q
  • EETQ
  • AWQ
• [Safetensors]重量加载
• Logits 扭曲器（温度缩放、top-p、top-k、重复惩罚，更多详细信息请参见[Transformers.LogitsProcessor]
• 停止序列
• 对数概率
• 自定义提示生成：通过提供自定义提示来指导模型的输出，轻松生成文本
• 微调支持：利用针对特定任务的微调模型来实现更高的准确性和性能

支持的硬件：

• nvidia
• amd
• intel gpu
• inferentia
• gaudi

TGI有两大功能，分别是：运行、基准测试

TGI在本地运行大模型（也可以使用docker）

1. 安装rust

sudo apt-get install libssl-dev gcc -y

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

2. 安装Protoc

PROTOC_ZIP=protoc-21.12-linux-x86_64.zip
curl -OL https://github.com/protocolbuffers/protobuf/releases/download/v21.12/$PROTOC_ZIP
sudo unzip -o $PROTOC_ZIP -d /usr/local bin/protoc
sudo unzip -o $PROTOC_ZIP -d /usr/local 'include/*'
rm -f $PROTOC_ZIP

3. 编译tgi

git clone https://github.com/huggingface/text-generation-inference.git

conda activate llm-plus
BUILD_EXTENSIONS=True make install -j

4. 运行自己的大模型

text-generation-launcher --model-id /home/chuan/models/qwen/Qwen1___5-7B-Chat-GPTQ-Int4 --trust-remote-code --port 4000

可以设置exllama=false

vi /home/chuan/models/qwen/Qwen1___5-7B-Chat-GPTQ-Int4/config.json

"use_exllama": false

text-generation-launcher 可以设置很多参数

运行以下命令

text-generation-launcher -h

主要参数如下：

–model-id <MODEL_ID> --validation-workers <VALIDATION_WORKERS> --sharded --num-shard <NUM_SHARD> --quantize [possible values: awq, eetq, gptq, bitsandbytes, bitsandbytes-nf4, bitsandbytes-fp4] --speculate --dtype [possible values: float16, bfloat16] --trust-remote-code --max-concurrent-requests <MAX_CONCURRENT_REQUESTS> --max-best-of <MAX_BEST_OF> --max-stop-sequences <MAX_STOP_SEQUENCES> --max-top-n-tokens <MAX_TOP_N_TOKENS> --max-input-length <MAX_INPUT_LENGTH> --max-total-tokens <MAX_TOTAL_TOKENS> --waiting-served-ratio <WAITING_SERVED_RATIO> --max-batch-prefill-tokens <MAX_BATCH_PREFILL_TOKENS> --max-batch-total-tokens <MAX_BATCH_TOTAL_TOKENS> --max-waiting-tokens <MAX_WAITING_TOKENS> --max-batch-size <MAX_BATCH_SIZE> --enable-cuda-graphs --hostname -p, --port --shard-uds-path <SHARD_UDS_PATH> --master-addr <MASTER_ADDR> --master-port <MASTER_PORT> --huggingface-hub-cache <HUGGINGFACE_HUB_CACHE> --weights-cache-override <WEIGHTS_CACHE_OVERRIDE> --disable-custom-kernels --cuda-memory-fraction <CUDA_MEMORY_FRACTION> --rope-scaling <ROPE_SCALING> --rope-factor <ROPE_FACTOR> --json-output --otlp-endpoint <OTLP_ENDPOINT> --cors-allow-origin <CORS_ALLOW_ORIGIN> --watermark-gamma <WATERMARK_GAMMA> --watermark-delta <WATERMARK_DELTA> --ngrok --ngrok-authtoken <NGROK_AUTHTOKEN> --ngrok-edge <NGROK_EDGE> --tokenizer-config-path <TOKENIZER_CONFIG_PATH> --disable-grammar-support -e, --env -h, --help -V, --version

5. 访问

   curl 127.0.0.1:4000/generate \
       -X POST \
       -d '{"inputs":"What is Deep Learning?","parameters":{"max_new_tokens":20}}' \
       -H 'Content-Type: application/json'
   
   

TGI的api文档

<https://huggingface.github.io/text-generation-inference/#/>

开发的时候看文档即可，这里不再赘述

注意

TGI需要依赖vllm、flash attenntion、gptq。建议按照以下顺序，以源码编译安装：

vllm >> gptq >> flash attenntion。

TGI benchmark

TGI benchmark是一个很重要的工具，其运行步骤如下：

make install-benchmark

text-generation-launcher --model-id /home/chuan/models/qwen/Qwen1___5-7B-Chat-GPTQ-Int4 --trust-remote-code --port 4000

text-generation-benchmark --tokenizer-name /home/chuan/models/qwen/Qwen1___5-7B-Chat-GPTQ-Int4 --batch-size 1 --batch-size 2 --batch-size 4 --batch-size 8 --batch-size 16 --batch-size 32 --batch-size 64

完整的可选参数，可用如下命令展示：

text-generation-benchmark -h

text-generation-benchmark是TGI最重要的功能：

我们可以点击Tab键切换batch_size，以选出最适合的批大小

在右边，可以看到p50、p90、p99表示大多数情况的延迟

在右下角，可以看到token树数量和延迟情况，如果你的应用需要处理大量token，随着token的增大，延迟会不断增加，可以找到图中的拐点，以确定最佳的token数量，如果token数量不够，那么可以考虑添加显卡，增多硬件。如果token数量太多，可以考虑减少显卡，降低硬件配置。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓