[Python]BLOOM模型推理简介

BLOOM模型是Huggingface开发的,在transformers库中提供了支持:

  • 通过AutoTokenizer从模型中加载Tokenizer;
  • 通过AutoModelForCausalLM加载bloom模型;
  • 通过generate进行推理:推理的结果包含输入,所以在计算新token数量或输出时,需要去掉头部的输入。

pytorch推理

pyTorch是由Facebook基于Torch开发的。

在pytorch中:

  • 通过env(CUDA_VISIBLE_DEVICES)来设定所需的GPU卡;
  • 通过cuda.is_available来判断是否存在cuda显卡,获取卡设备后,可通过to(device)把数据放到卡上;
    device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
import os
import gc
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

os.environ["CUDA_VISIBLE_DEVICES"] = '0'
input_text = "你好"

batch_size = 1
gpu_mem_map = [30]
data_type = torch.float16
model_path = "/workspace/bloom-7b"

# load tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path, truncation_side='left')

# load model
# 通过device_map与max_memory可把模型自动加载到多卡上(并且限制每个卡上加载参数大小)
model_params = {"low_cpu_mem_usage": True, "device_map": 'auto', "torch_dtype": data_type}
max_memory = {}
for i in range(len(gpu_mem_map)):
    max_memory[i] = f'{gpu_mem_map[i]}GiB'
model_params['max_memory'] = max_memory

model = AutoModelForCausalLM.from_pretrained(model_path, **model_params)
print(model.gen_config)

##############################
# inference
# gc.collect()
# torch.cuda.empty_cache()

# build input tokens
inputs = [input_text]
inputs *= batch_size

input_tokens = tokenizer(inputs, return_tensors="pt")
# 输入token要与模型在同样设备上(GPU卡),需要通过cuda把token全部放到卡上
for t in input_tokens:
    if torch.is_tensor(input_tokens[t]):
        input_tokens[t] = input_tokens[t].cuda()

# generate
gen_params = dict(max_new_tokens=1000, do_sample=False, top_k=1)
with torch.no_grad():
    output_tokens = model.generate(**input_tokens, **gen_params)

# 生成的输出包含输入,所以需要去掉头部的输入信息
new_tokens = len(output_tokens[0]) - len(input_tokens[0])
print("new tokens:", new_tokens)

output_text = tokenizer.batch_decode(output_tokens, skip_special_tokens=True)
outputs = output_text[0][len(inputs[0]):].strip()
print(outputs)

ds_zero推理

DeepSpeed是微软推出的大规模模型分布式训练的工具,主要实现了ZeRO并行训练算法。

在加载模型前,一定要先通过HfDeepSpeedConfig来设定配置信息。模型加载完成后通过torch.cuda.current_device()获取当前所使用的设备;后续在推理前,把数据放到此设备上。

在获取输出单词数量时,中英文使用不同的方式计算(中文每个字为一个,英文根据单词数量判断)。

import argparse
import gc
import time
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, AutoConfig, GenerationConfig
from transformers.deepspeed import HfDeepSpeedConfig
import deepspeed

# usage: deepspeed --num_gpus 1 inference.py

def isChinese(words):
    for w in words:
        if '\u4e00' <= w <= '\u9fff':
            return True
    return False


def main(args):
    data_type = torch.float16
    train_micro_batch_size_per_gpu = 1

    world_size = args.world_size
    train_batch_size = train_micro_batch_size_per_gpu*world_size

    model_path = args.model_path
    input_text = args.input_text

    deepspeed.init_distributed("nccl")

    # load model
    config = AutoConfig.from_pretrained(model_path)
    ds_config = {
        "fp16": {
            "enabled": data_type == torch.float16,
        },
        "bf16": {
            "enabled": data_type == torch.bfloat16,
        },
        "zero_optimization": {
            "stage": 3,
            "overlap_comm": True,
            "contiguous_gradients": True,
            "reduce_bucket_size": config.hidden_size * config.hidden_size,
            "stage3_prefetch_bucket_size": 0.9 * config.hidden_size * config.hidden_size,
            "stage3_param_persistence_threshold": 0,
        },
        "steps_per_print": 2000,
        "train_batch_size": train_batch_size,
        "train_micro_batch_size_per_gpu": train_micro_batch_size_per_gpu,
        "wall_clock_breakdown": False,
    }
    
    # 设定此配置信息,以保证模型直接在GPU上加载
    hfConf = HfDeepSpeedConfig(ds_config)
    print("**Config:", hfConf)

    model = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=data_type)
    model = model.eval()

    # 把模型转换为使用Zero方式
    model = deepspeed.initialize(model=model, config_params=ds_config)[0]

    model.module.eval()
    model = model.module

    # 获取当前模型使用的设备,以便后续把数据放到此设备上
    device = torch.cuda.current_device()
    print("***device:", device)

    tokenizer = AutoTokenizer.from_pretrained(model_path, truncation_side='left')

    # inference
    #gc.collect()
    #torch.cuda.empty_cache()
    inputs = [input_text]

    generate_kwargs = dict(max_new_tokens=200, do_sample=False, top_k=1)
    gen_config = GenerationConfig.from_model_config(AutoConfig.from_pretrained(model_path))
    gen_config.update(**generate_kwargs)

    outputs, words = gen_tokens(device, gen_config, inputs, model, tokenizer)
    print(outputs)


def gen_tokens(device, gen_config, inputs, model, tokenizer):
    input_tokens = tokenizer(inputs, return_tensors="pt")
    for t in input_tokens:
        if torch.is_tensor(input_tokens[t]):
            input_tokens[t] = input_tokens[t].to(device)

    output_tokens = model.generate(**input_tokens, generation_config=gen_config)
    output_text = tokenizer.batch_decode(output_tokens, skip_special_tokens=True)
    outputs = output_text[0][len(inputs[0]):].strip()

    if isChinese(outputs):
        words = len(outputs)
    else:
        words = len(outputs.split())
    return outputs, words


if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="deepspeed ds_zero infer")
    parser.add_argument('--model_path',
                        type=str,
                        default="/models/bloom-7b",
                        help="The path of model.")
    parser.add_argument('--input_text',
                        type=str,
                        default="你好",
                        help="The input text for infer.")
    parser.add_argument('--world_size',
                        type=int,
                        default=1,
                        help="The world size")
    parser.add_argument('--local_rank',
                        type=str,
                        default="0",
                        help="The local rank")

    args = parser.parse_args()
    main(args)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Bloom Filter是一个基于哈希的数据结构,可用于快速检索一个元素是否存在于一个集合中。Python中的Bloom Filter可以应用于很多场景,例如: 1. 垃圾邮件过滤:将已知的垃圾邮件的特征(如发件人、主题、关键字等)存储在Bloom Filter中,可以快速判断一个新邮件是否为垃圾邮件。 2. 网页爬虫:在爬取网页的过程中,可以使用Bloom Filter来判断一个URL是否已经被爬取过,避免重复爬取。 3. 缓存:可以使用Bloom Filter来判断一个数据是否在缓存中,如果不在则从数据库中获取,避免了频繁的数据库查询。 4. 数据库查询优化:可以使用Bloom Filter来判断一个查询条件是否有可能存在,如果不存在则可以直接返回查询结果为空,避免了不必要的查询操作。 在Python中,可以使用第三方库pybloom实现Bloom Filter的功能。使用pybloom非常方便,只需要安装pybloom库并调用相应的函数即可。以下是一个简单的示例代码: ```python from pybloom import BloomFilter # 创建一个Bloom Filter,容量为10000,错误率为0.1% bf = BloomFilter(capacity=10000, error_rate=0.001) # 添加元素 bf.add("hello") bf.add("world") # 判断元素是否存在 if "hello" in bf: print("hello exists") else: print("hello does not exist") if "python" in bf: print("python exists") else: print("python does not exist") ``` 需要注意的是,Bloom Filter虽然可以快速判断一个元素是否存在于集合中,但是存在一定的误判率,即有可能判断一个不存在的元素存在于集合中。因此,在使用Bloom Filter时需要根据实际情况选择合适的容量和错误率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值