TigerBot-70b-4k-v4 推理部署
模型本地部署
根据实际测试,加载模型需要约120G显存,最低需要6张3090显卡(流水线并行)
如果使用vllm进行加速推理(张量并行),考虑8张3090显卡或者4张A100-40G(模型分割要求)
模型下载
截至目前(2023.12.4),模型数据仅在huggingface上保存,在恒源云上的下载方式如下:
开启恒源云代理
export https_proxy=http://turbo.gpushare.com:30000 http_proxy=http://turbo.gpushare.com:30000
访问模型下载地址
在这里建议使用wget下载模型文件,优点是能够断点续传,下方是wget示例
wget https://huggingface.co/TigerResearch/tigerbot-70b-chat-v4-4k/resolve/main/pytorch_model-00001-of-00015.bin
关闭恒源云代理
unset http_proxy && unset https_proxy
依赖安装
克隆官方github仓库
git clone https://github.com/TigerResearch/TigerBot.git && cd Tigerbot
安装依赖库
pip install -r requirements.txt
模型推理
对于普通的多卡推理,示例推理代码如下
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 python infer.py --model_path /path/to/your/model --max_input_length 1024 --max_generate_length 1024 --streaming True
相关参数说明
--model_path: 模型路径
--model_type=chat: base/chat
--max_input_length=1024: 最大输入长度
--max_generate_length=1024: 最大输出长度
--rope_scaling=None: 长度外推方法(dynamic/yarn supported now)
--rope_factor=8.0: 外推参数
量化
官方提供了在线量化与推理的方法
CUDA_VISIBLE_DEVICES=0,1,2,3 python other_infer/quant_infer.py --model_path /path/to/your/model --wbit 8
vllm 加速推理
安装vllm
pip install vllm
创建新的推理.py文件
import torch
from vllm import LLM, SamplingParams
# Set the number of GPUs you want to use
num_gpus = 8 # Change this to the number of GPUs you have
# Define your prompts and sampling parameters
prompts = """
### Instruction:
第一次指令
### Instruction:
第二次指令
### Response:
"""
sampling_params = SamplingParams(temperature=1, top_p=0.9, top_k=50, max_tokens=512, stop="</s>")
# Initialize the VLLM model
llm = LLM(model="/hy-tmp/tigerbot-70b-chat-v4-4k", tensor_parallel_size=8, trust_remote_code=True)
# Move the model to GPUs
llm = torch.nn.DataParallel(llm, device_ids=list(range(num_gpus)))
# Generate outputs
outputs = llm.module.generate(prompts, sampling_params)
# Print the outputs
for output in outputs:
prompt = output.prompt
generated_text = output.outputs[0].text
print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")
需要注意的是这里的提示词格式与llama2不同,tigerbot的提示词遵循以下格式
### Instruction:
第一次指令
### Instruction:
第二次指令
### Response:
报错修复指引
安装过程中的报错大多是由于依赖库的版本问题,调整后可以解决。
flash-attn库安装报错
/home/user/miniconda3/envs/textgen/lib/python3.10/site-packages/flash_attn_2_cuda.cpython-310-x86_64-linux-gnu.so: undefined symbol: _ZNK3c106SymIntltEl
修复方法:重新构建 flash-attn库
pip uninstall flash-attn
FLASH_ATTENTION_FORCE_BUILD=TRUE pip install flash-attn