文档首页/ AI开发平台ModelArts/ 最佳实践/ LLM大语言模型训练推理/ 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.907）/ 附录：大模型推理standard常见问题
更新时间：2024-08-17 GMT+08:00
查看PDF
分享

附录：大模型推理standard常见问题

  • 问题1：在推理预测过程中遇到NPU out of memory。

    解决方法：调整推理服务启动时的显存利用率，将--gpu-memory-utilization的值调小。

  • 问题2：在推理预测过程中遇到ValueError:User-specified max_model_len is greater than the drived max_model_len。

    解决方法：修改config.json文件中的"seq_length"的值，"seq_length"需要大于等于 --max-model-len的值。

    config.json存在模型对应的路径下，例如：/data/nfs/benchmark/tokenizer/chatglm3-6b/config.json

  • 问题3：使用离线推理时，性能较差或精度异常。

    解决方法：将block_size大小设置为128。

    from vllm import LLM, SamplingParams
llm = LLM(model="facebook/opt-125m", block_size=128)
  • 问题4：使用llama3.1系模型进行推理时，报错：ValueError: 'rope_scaling' must be a dictionary with two fields, 'type' and 'factor', got {'factor': 8.0, 'low_freq_factor': 1.0, 'high_freq_factor': 4.0, 'original_max_position_embeddings': 8192, 'rope_type': 'llama3'}

    解决方法：升级transformers版本到4.43.1：pip install transformers --upgrade

  • 问题5：使用SmootQuant进行W8A8进行模型量化时，报错：AttributeError: type object 'LlamaAttention' has no attribute '_init_rope'

    解决方法：降低transformers版本到4.42：pip install transformers==4.42 --upgrade

  • 问题6：部署在线服务报错starting container process caused "exec: \"/home/mind/model/run_vllm.sh\": permission denied"

    解决方法：修改AscendCloud-6.3.907-xxx.zip压缩包中llm_inference/ascend_vllm/build_image.sh内容，将'ENTRYPOINT ["/home/mind/model/run_vllm.sh"]'修改为'ENTRYPOINT sh /home/mind/model/run_vllm.sh'，并重新构建镜像。

    见如下示例：

    图1 修改build_images.sh

相关文档