FasterTransformer4CodeFuse

FasterTransformer4CodeFuse

优化的CodeFuse模型推理引擎 高性能支持

FasterTransformer4CodeFuse是一个针对蚂蚁集团CodeFuse模型的优化推理引擎。它实现了Int8量化、流式输出和快速模型加载,同时改进了提示词处理并提供Python API。项目还支持多GPU tensor并行推理,并提供了详细的性能数据。相比原始FasterTransformer,该项目更适合需要高效推理CodeFuse模型的开发者和研究人员,能够显著提升性能和使用体验。对于寻求高效CodeFuse模型部署方案的团队,这是一个值得考虑的开源选择。

FasterTransformerCodeFuse模型推理性能优化量化Github开源项目

FasterTransformer4CodeFuse

<div align="center"> <p><img src="https://yellow-cdn.veclightyear.com/ab5030c0/966a8d48-16c4-428c-9b7a-44e285915864.png" width="50%" /></p> <p> <a href="https://github.com/codefuse-ai/FasterTransformer4CodeFuse"> <img alt="stars" src="https://img.shields.io/github/stars/codefuse-ai/FasterTransformer4CodeFuse?style=social" /> </a> <a href="https://github.com/codefuse-ai/FasterTransformer4CodeFuse"> <img alt="forks" src="https://img.shields.io/github/forks/codefuse-ai/FasterTransformer4CodeFuse?style=social" /> </a> <a href="https://opensource.org/licenses/Apache-2.0"> <img alt="License: apache 2.0" src="https://yellow-cdn.veclightyear.com/ab5030c0/01ead43d-aaff-41d2-b8e9-5b02c511996e.svg" /> </a> <a href="https://github.com/codefuse-ai/FasterTransformer4CodeFuse/issues"> <img alt="Open Issues" src="https://img.shields.io/github/issues-raw/codefuse-ai/FasterTransformer4CodeFuse" /> </a> <br/> </p>

| English |

</div>

简介

提供高性能模型推理,主要支持蚂蚁集团的CodeFuse模型。

原始FT相比,本仓库具有以下特点:

  • :white_check_mark: CodeFuse模型的Int8量化
  • :white_check_mark: 提示词结尾不需要完整单词
  • :white_check_mark: Python API
  • :white_check_mark: Python API的流式输出
  • :white_check_mark: 更高的模型加载速度
  • :white_check_mark: 一些bug修复

性能

批处理大小:1

<table> <tr> <td colspan="3">模型</td> <td colspan="4">CodeFuse 13B</td> </tr> <tr> <td colspan="3">测量指标</td> <td colspan="4">延迟(毫秒)</td> </tr> <tr> <td colspan="3">GPU</td> <td colspan="2">单个A100</td> <td colspan="2">2 * A100 张量并行</td> </tr> <tr> <td colspan="3">数据类型</td> <td>fp16</td> <td>int8</td> <td>fp16</td> <td>int8</td> </tr> <tr> <td rowspan="4">输入/输出长度</td> <td>16</td> <td>8</td> <td>160</td> <td>195</td> <td>238</td> <td>84</td> </tr> <tr> <td>64</td> <td>32</td> <td>608</td> <td>369</td> <td>373</td> <td>295</td> </tr> <tr> <td>256</td> <td>128</td> <td>2650</td> <td>1530</td> <td>1492</td> <td>1130</td> </tr> <tr> <td>1024</td> <td>512</td> <td>10776</td> <td>7054</td> <td>6786</td> <td>5415</td> </tr> <tr> <td colspan="3">每秒生成的令牌数</td> <td>48</td> <td>75</td> <td>77</td> <td>98</td> </tr> </table>

快速开始

我们在容器环境中运行:nvcr.io/nvidia/pytorch:22.09-py3

1. 安装依赖

pip install --no-cache-dir pybind11==2.6.2 transformers accelerate sentencepiece

echo "export pybind11_DIR=/opt/conda/lib/python3.8/site-packages/pybind11/share/cmake/pybind11/" >> ~/.bashrc
export pybind11_DIR=/opt/conda/lib/python3.8/site-packages/pybind11/share/cmake/pybind11/

2. 构建

mkdir build ; cd build
export TORCH_PYTHON_LIBRARIES=/opt/conda/lib/python3.8/site-packages/torch/lib/libtorch_python.so
cmake -DCMAKE_BUILD_TYPE=Release -DSM="80;75" -DBUILD_PYT=ON -DSPARSITY_SUPPORT=OFF -DMEASURE_BUILD_TIME=ON \
      -DBUILD_CUTLASS_MIXED_GEMM=ON -DBUILD_MULTI_GPU=ON -DBUILD_TRT=OFF \
      -DENABLE_FP8=OFF -DBUILD_PYBIND=ON -DTORCH_PYTHON_LIBRARIES=${TORCH_PYTHON_LIBRARIES} ..
make -j"$(grep -c ^processor /proc/cpuinfo)"

3. 运行

您可以使用examples/pytorch/codefuse/huggingface_convert.py脚本将检查点文件从HuggingFace转换为FasterTransformer。

export MODEL_NAME=codefuse
export TENSOR_PARA_SIZE=2

python ../examples/pytorch/codefuse/huggingface_convert.py \
       -o ../models/${MODEL_NAME}/fastertransformer \
       -i ../models/${MODEL_NAME}/transformers \
       -infer_gpu_num ${TENSOR_PARA_SIZE} \
       -processes 20 \
       -weight_data_type fp16 \
       -model_name gptneox

您可以使用examples/pytorch/codefuse/quant_and_save.py脚本将fp16或fp32的FasterTransformer检查点文件转换为int8文件和尺度,获得更高的模型加载速度和更小的检查点文件。

export MODEL_NAME=codefuse
export TENSOR_PARA_SIZE=2

python ../examples/pytorch/codefuse/quant_and_save.py \
       --in_dir ../models/${MODEL_NAME}/fastertransformer/${TENSOR_PARA_SIZE}-gpu \
       --out_dir ../models/${MODEL_NAME}/fastertransformer/${TENSOR_PARA_SIZE}-gpu_int8 \
       --lib_path ../build/lib/libth_common.so \
       --tensor_para_size ${TENSOR_PARA_SIZE} \
       --use_gptj_residual \
       --data_type fp16

您可以使用examples/pytorch/codefuse/codefuse_example.py运行模型推理。

export MODEL_NAME=codefuse

# fp16 1gpu
python ../examples/pytorch/codefuse/codefuse_example.py \
       --ckpt_path ../models/${MODEL_NAME}/fastertransformer/1-gpu \
       --tokenizer_path ../models/${MODEL_NAME}/transformers

# int8 1gpu
python ../examples/pytorch/codefuse/codefuse_example.py \
       --ckpt_path ../models/${MODEL_NAME}/fastertransformer/1-gpu_int8 \
       --tokenizer_path ../models/${MODEL_NAME}/transformers \
       --int8_mode 1 \
       --enable_int8_weights 1

# fp16 2gpus
torchrun --nproc_per_node 2 ../examples/pytorch/codefuse/codefuse_example.py \
         --world_size 2 \
         --ckpt_path ../models/${MODEL_NAME}/fastertransformer/2-gpu \
         --tokenizer_path ../models/${MODEL_NAME}/transformers

# int8 2gpus
torchrun --nproc_per_node 2 ../examples/pytorch/codefuse/codefuse_example.py \
         --world_size 2 \
         --ckpt_path ../models/${MODEL_NAME}/fastertransformer/2-gpu_int8 \
         --tokenizer_path ../models/${MODEL_NAME}/transformers \
         --int8_mode 1 \
         --enable_int8_weights 1

编辑推荐精选

潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

下拉加载更多