推理场景介绍
方案概览
本方案介绍了在ModelArts Lite DevServer上使用昇腾计算资源开展常见开源大模型Llama、Qwen、ChatGLM、Yi、Baichuan等推理部署的详细过程。本方案利用适配昇腾平台的大模型推理服务框架vLLM和华为自研昇腾Snt9B硬件，为用户提供推理部署方案，帮助用户使能大模型业务。
约束限制
- 本方案目前仅适用于部分企业客户。
- 本文档适配昇腾云ModelArts 6.3.905版本，请参考软件配套版本获取配套版本的软件包，请严格遵照版本配套关系使用本文档。
- 资源规格推荐使用“西南-贵阳一”Region上的DevServer和昇腾Snt9B资源。
- 推理部署使用的服务框架是vLLM。vLLM支持v0.3.2。
- 支持FP16和BF16数据类型推理。
资源规格要求
本文档中的模型运行环境是ModelArts Lite的DevServer。推荐使用“西南-贵阳一”Region上的资源和Ascend Snt9B。
如果使用DevServer资源，请参考DevServer资源开通，购买DevServer资源，并确保机器已开通，密码已获取，能通过SSH登录，不同机器之间网络互通。
当容器需要提供服务给多个用户，或者多个用户共享使用该容器时，应限制容器访问Openstack的管理地址（169.254.169.254），以防止容器获取宿主机的元数据。具体操作请参见禁止容器获取宿主机元数据。
镜像版本
本教程中用到基础镜像地址和配套版本关系如下表所示，请提前了解。
|
配套软件版本 |
镜像用途 |
镜像地址 |
Cann版本 |
|---|---|---|---|
|
6.3.905版本 |
基础镜像 |
swr.cn-southwest-2.myhuaweicloud.com/atelier/pytorch_2_1_ascend:pytorch_2.1.0-cann_8.0.rc2-py_3.9-hce_2.0.2312-aarch64-snt9b-20240528150158-b521cc0 |
cann_8.0.rc2 |
不同软件版本对应的基础镜像地址不同，请严格按照软件版本和镜像配套关系获取基础镜像。
支持的模型列表和权重文件
本方案支持vLLM的v0.3.2版本。不同vLLM版本支持的模型列表有差异，具体如表3所示。
|
序号 |
模型名称 |
支持vLLM v0.3.2 |
开源权重获取地址 |
|---|---|---|---|
|
1 |
llama-7b |
√ |
|
|
2 |
llama-13b |
√ |
|
|
3 |
llama-65b |
√ |
|
|
4 |
llama2-7b |
√ |
|
|
5 |
llama2-13b |
√ |
|
|
6 |
llama2-70b |
√ |
|
|
7 |
llama3-8b |
√ |
|
|
8 |
llama3-70b |
√ |
|
|
9 |
yi-6b |
√ |
|
|
10 |
yi-9b |
√ |
|
|
11 |
yi-34b |
√ |
|
|
12 |
deepseek-llm-7b |
√ |
|
|
13 |
deepseek-coder-instruct-33b |
√ |
https://huggingface.co/deepseek-ai/deepseek-coder-33b-instruct |
|
14 |
deepseek-llm-67b |
√ |
|
|
15 |
qwen-7b |
√ |
|
|
16 |
qwen-14b |
√ |
|
|
17 |
qwen-72b |
√ |
|
|
18 |
qwen1.5-0.5b |
√ |
|
|
19 |
qwen1.5-7b |
√ |
|
|
20 |
qwen1.5-1.8b |
√ |
|
|
21 |
qwen1.5-14b |
√ |
|
|
22 |
qwen1.5-32b |
√ |
|
|
23 |
qwen1.5-72b |
√ |
|
|
24 |
qwen1.5-110b |
√ |
|
|
25 |
baichuan2-7b |
√ |
|
|
26 |
baichuan2-13b |
√ |
|
|
27 |
chatglm2-6b |
√ |
|
|
28 |
chatglm3-6b |
√ |
|
|
29 |
gemma-2b |
√ |
|
|
30 |
gemma-7b |
√ |
|
|
31 |
mistral-7b |
√ |
模型软件包结构说明
├──llm_tools #推理工具包
├──llm_evaluation #推理评测代码包
├──benchmark_eval # 精度评测
├── config
├── config.json # 请求的参数，根据实际启动的服务来调整
├── mmlu_subject_mapping.json # 数据集配置
├── ...
├── evaluators
├── evaluator.py # 数据集数据预处理方法集
├── model.py # 发送请求的模块，在这里修改请求响应。目前支持vllm.openai，atb的tgi模板
├── ...
├── eval_test.py # 启动脚本，建立线程池发送请求，并汇总结果
├── service_predict.py # 发送请求的服务。支持vllm的openai，atb的tgi模板
├── ...
├──benchmark_tools #性能评测
├── benchmark.py # 可以基于默认的参数跑完静态benchmark和动态benchmark
├── benchmark_parallel.py # 评测静态性能脚本
├── benchmark_serving.py # 评测动态性能脚本
├── benchmark_utils.py # 抽离的工具集
├── generate_datasets.py # 生成自定义数据集的脚本
├── requirements.txt # 第三方依赖
├── ...
├──llm_inference #推理代码
├── ascend_vllm_adapter #昇腾vLLM使用的算子模块
├── ascend.txt #基于开源vLLM适配过NPU的patch脚本
├── autosmoothquant_ascend.txt #基于开源autosmoothquant适配过NPU的patch脚本
├── build.sh #推理构建脚本
├── requirements.txt # 第三方依赖
相关文档
和本文档配套的模型训练文档请参考《主流开源大模型基于DevServer适配PyTorch NPU训练指导》。
