Xinference模型部署和调用

Xinference安装

新建一个环境

conda create -n xinference python=3.8
conda activate xinference

安装xinference的依赖

pip install "xinference[all]"

启动xinference

xinference-local # 我使用这个命令启动不了
# 设置使用modelscope下载模型
XINFERENCE_MODEL_SRC=modelscope xinference-local -H 0.0.0.0 # 使用这个命令可以启动Xinference安装和模型部署

Xinference使用

在部署 LLM 模型时，我们有以下参数可以进行选择：

• Model Format: 模型格式，可以选择量化和非量化的格式，非量化的格式是pytorch，量化格式有ggml、gptq等
• Model Size：模型的参数量大小，如果是 ChatGLM3 的话就只有 6B 这个选项，而如果是 Llama2 的话，则有 7B、13B、70B 等选项
• Quantization：量化精度，有 4bit、8bit 等量化精度选择
• N-GPU：选择使用几个GPU
• Model UID（可选）: 模型自定义名称，不填的话就默认用原始模型名称
  
  可以指定在哪些GPU上运行
  下载的模型默认在.cache/modelscope/hub目录下
  

完成部署后就可以和LLM对话

对话效果：

使用openai调用

import openai
BASE_URL = 'http://127.0.0.1:9997/v1' # xinference服务地址
# 与LLM对话
LLM_params = {
        "base_url": BASE_URL,
        "api_key": 'EMPTY',
    }
llm = openai.Client(**LLM_params)

QUERY = "北京"
# 使用chatglm3模型
llm_params = {'messages': [{'content': QUERY, 'role': 'user'}], 'model': 'chatglm3', 'max_tokens': 4096}
result =  llm.chat.completions.create(**llm_params)
print(result.choices[0].message.content)


# Embedding模型
embedding_params = {
        "base_url": BASE_URL,
        "api_key": 'EMPTY',
    }
embedding_model = openai.Client(**embedding_params)
# 使用m3e-base模型
em_params = {'model': 'm3e-base', "input": ["What is the capital of China?"]}
print(embedding_model.embeddings.create(**em_params))

测试LLM对话和embedding模型

参考

安装 — Xinference

使用 Xinference 进行模型部署 - Hacker and Geeker’s Way (zhaozhiming.github.io)

240713-Xinference模型下载、管理及测试_xinference下载模型-CSDN博客

出现报错

安装pip install "xinference[all]"时出现报错

llama-cpp-python, pynini无法安装
note: This error originates from a subprocess, and is likely not a problem with pip.
ERROR: Failed building wheel for pynini
Failed to build pynini
ERROR: ERROR: Failed to build installable wheels for some pyproject.toml based projects (pynini)

解决方案：
解决了pynini没有安装的问题

conda install -c conda-forge pynini=2.1.5

ERROR: ERROR: Failed to build installable wheels for some pyproject.toml based projects (pynini) · Issue #2057 · xorbitsai/inference (github.com)

llama-cpp-python为安装的问题没有解决

后续可以参考如下方案：

ERROR: Failed building wheel for llama-cpp-python · Issue #1629 · abetlen/llama-cpp-python (github.com)

[Windows] [Windows] "Failed building wheel for llama-cpp-python · Issue #54 · abetlen/llama-cpp-python (github.com)

运行模型时发生报错：‘GenerationConfig’ object has no attribute ‘_eos_token_tensor’

将 transformers 版本降级至 4.39.2 可解决此问题。

pip install transformers==4.39.2

https://github.com/huggingface/transformers/issues/32207

https://blog.csdn.net/qq_33039859/article/details/140396941