PPLNN: 一个高性能深度学习推理引擎

PPLNN简介

PPLNN是一个高性能的深度学习推理引擎,全称为"PPLNN is a Primitive Library for Neural Network"。它由OpenPPL开源项目开发,旨在提供高效的AI模型推理能力。PPLNN具有以下主要特点:

1. 支持运行各种ONNX模型
2. 对OpenMMLab框架有更好的支持
3. 提供高性能的模型推理能力
4. 支持多种硬件平台,包括x86 CPU和NVIDIA GPU

PPLNN的主要功能

LLM特性

PPLNN为大语言模型(LLM)提供了一系列优化特性:

• 全新的LLM引擎
• Flash Attention
• Split-k Attention
• Group-query Attention
• 动态批处理
• 张量并行
• 图优化
• INT8分组KV缓存
• INT8逐令牌逐通道量化(W8A8)

这些特性大大提升了LLM的推理性能和效率。

支持的LLM模型

PPLNN支持多种主流的大语言模型,包括:

• LLaMA 1/2/3
• ChatGLM 2/3
• Baichuan 1/2 7B
• InternLM 1/2
• Mixtral
• Qwen 1/1.5
• Falcon
• Bigcode

对于这些模型,PPLNN都提供了优化的推理支持。

使用PPLNN

安装和编译

要使用PPLNN,首先需要安装必要的依赖:

在Debian或Ubuntu系统上:

apt-get install build-essential cmake git python3 python3-dev

在RedHat或CentOS系统上:

yum install gcc gcc-c++ cmake3 make git python3 python3-devel

然后克隆PPLNN的源代码并编译:

git clone https://github.com/openppl-public/ppl.nn.git
cd ppl.nn
./build.sh -DPPLNN_USE_X86_64=ON -DPPLNN_ENABLE_PYTHON_API=ON

运行示例

编译完成后,可以运行Python示例来测试PPLNN:

PYTHONPATH=./pplnn-build/install/lib python3 ./tools/pplnn.py --use-x86 --onnx-model tests/testdata/conv.onnx

使用Python API

PPLNN提供了Python API,方便在Python中使用。以下是一个简单的使用示例:

from pyppl import nn as pplnn
from pyppl import common as pplcommon

# 创建x86引擎
x86_options = pplnn.x86.EngineOptions()
x86_engine = pplnn.x86.EngineFactory.Create(x86_options)

# 创建RuntimeBuilder
runtime_builder = pplnn.onnx.RuntimeBuilderFactory.Create()

# 加载ONNX模型
onnx_model_file = "/path/to/onnx_model_file"
status = runtime_builder.LoadModelFromFile(onnx_model_file)

# 设置资源
resources = pplnn.RuntimeBuilderResources()
resources.engines = [x86_engine]
runtime_builder.SetResources(resources)

# 预处理
status = runtime_builder.Preprocess()

# 创建Runtime实例
runtime = runtime_builder.CreateRuntime()

# 填充输入数据
for i in range(runtime.GetInputCount()):
    tensor = runtime.GetInputTensor(i)
    # 填充输入数据的代码...

# 运行模型
ret_code = runtime.Run()

# 获取输出结果
for i in range(runtime.GetOutputCount()):
    tensor = runtime.GetOutputTensor(i)
    # 处理输出数据的代码...

PPLNN的优势

1. 高性能: PPLNN通过各种优化技术,如Flash Attention、动态批处理等,大幅提升了模型推理性能。

2. 多平台支持: 支持x86 CPU和NVIDIA GPU等多种硬件平台。

3. 灵活性: 可以同时使用多个引擎,自动进行模型分区和任务分配。

4. 广泛的模型支持: 支持各种ONNX模型,并对主流大语言模型有特别优化。

5. 易用的API: 提供C++和Python API,方便集成到各种应用中。

结语

PPLNN作为一个高性能的深度学习推理引擎,为AI应用提供了强大的后端支持。它的高性能、多平台支持和易用性使其成为AI模型部署的理想选择。无论是在服务器端还是嵌入式设备上,PPLNN都能提供出色的推理性能。随着AI技术的不断发展,PPLNN也在持续优化和更新,为用户提供更好的AI推理解决方案。

欢迎开发者和研究者探索PPLNN,为AI应用开发贡献力量。更多详细信息,请访问PPLNN GitHub仓库。