环境的配置:
- 下载internlm-chat-1.8b模型
- 以命令行方式与模型对话
设置KV Cache最大占用比例为0.4,开启W4A16量化,以命令行方式与模型对话
显存降低:
以API Server方式启动 lmdeploy,开启 W4A16量化,调整KV Cache的占用比例为0.4,分别使用命令行客户端与Gradio网页客户端与模型对话。
使用W4A16量化,调整KV Cache的占用比例为0.4,使用Python代码集成的方式运行internlm2-chat-1.8b模型。
使用 LMDeploy 运行视觉多模态大模型 llava gradio demo