使用Llama与PySpark进行Python批量硬件推理：CPU分布式实战

为什么？

本练习是关于使用Llama 2 （ Meta AI的 LLM（大型语言模型））一次总结许多文档。非结构化、半结构化和结构化文本的可扩展摘要本身可以作为一项功能存在，也可以作为输入下游机器学习模型的数据管道的一部分。

具体来说，我们想证明以下同时存在的可行性：

在CPU上运行 Llama 2 （即消除 GPU 容量限制）

LLM 与Apache Spark（大数据生态系统的关键部分）的顺利集成

不使用第三方端点（即，由于气隙基础设施或机密性要求，模型必须在本地运行）

如何？

我们已经做了很多艰苦的工作！

llama.cpp项目通过降低数值权重的分辨率（“量化” ），可以在 CPU 上运行简化的LLM。这些现成的模型文件很容易获得。

接下来，llama-cpp-python绑定提供了在 Python 中使用llama.cpp 的简单访问。

最后，Spark applyInPandas()（文档）能够将巨大的数据源分割成Pandas大小的块并独立处理它们。请注意，如果矢量化 Spark 函数可以实现相同的结果，则此方法可能是一种反模式，但在我们的示例中，我们基本上使用 Spark 作为简单的编排器来扩展llama.cpp的使用。在批处理中使用llama.cpp可能有更有效的方法，但考虑到 Spark 的容错性和可扩展性的简单性和自动优势，这种方法很有吸引力。

计划

作为一项有趣的测试，我们将使用 Llama 2 来总结列夫·托尔斯泰的