文档首页/ AI开发平台ModelArts/ 最佳实践/ LLM大语言模型推理/ LLM大语言模型推理历史版本文档/ 主流开源大模型基于Lite Server&Cluster适配Ascend-vLLM PyTorch NPU推理指导（6.5.905）/ 推理服务性能评测/ 多模态模型推理性能测试
更新时间：2025-07-29 GMT+08:00
查看PDF
分享

多模态模型推理性能测试

多模态模型推理的性能测试目前仅支持静态性能测试。

静态性能测试是指评估在固定输入、固定输出和固定并发下，模型的吞吐与首token延迟。该方式实现简单，能比较清楚地看出模型的性能和输入输出长度、以及并发的关系。

性能benchmark验证使用到的脚本存放在代码包AscendCloud-LLM-xxx.zip的llm_tools/llm_evaluation目录下。工具相关介绍在benchmark代码目录。

约束限制

当前版本仅支持语言+图片多模态性能测试。

静态benchmark验证

本章节介绍如何进行静态benchmark验证。

  1. 已经上传benchmark验证脚本到推理容器中。benchmark验证脚本在AscendCloud-LLM-x.x.x.zip包里，获取路径表1。
  2. 进入benchmark_tools目录下，运行静态benchmark验证。 
    cd benchmark_tools
  3. 多模态模型脚本相对路径是llm_tools/llm_evaluation/benchmark_tools/modal_benchmark/modal_benchmark_parallel.py，具体操作命令如下，可以根据参数说明修改参数。 
    python modal_benchmark_parallel.py \
--host ${docker_ip} \
--port ${port} \
--tokenizer /path/to/tokenizer  \
--epochs 5 \
--parallel-num 1 4 8 16 32 \
--prompt-tokens 1024 2048 \
--output-tokens 128 256 \
--height ${height} \
--width ${width} \
--benchmark-csv benchmark_parallel.csv

    参数说明

    • --host：服务部署的IP，${docker_ip}替换为宿主机实际的IP地址。
    • --port：推理服务端口。
    • --tokenizer：tokenizer路径，HuggingFace的权重路径。
    • --epochs：测试轮数，默认取值为5
    • --parallel-num：每轮并发数，支持多个，如 1 4 8 16 32。
    • --prompt-tokens：输入长度，支持多个，如 128 128 2048 2048，数量需和--output-tokens的数量对应。
    • --output-tokens：输出长度，支持多个，如 128 2048 128 2048，数量需和--prompt-tokens的数量对应。
    • --benchmark-csv：结果保存文件，如benchmark_parallel.csv。
    • --height: 图片长度（分辨率相关参数）。
    • --width: 图片宽度（分辨率相关参数）。
    • --served-model-name： 选择性添加，在接口中使用的模型名；如果没有配置，则默认为tokenizer。
  4. 脚本运行完成后，测试结果保存在benchmark_parallel.csv中。

相关文档