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DevServer适配PyTorch NPU推理指导（6.3.908）/ 附录：大模型推理常见问题
更新时间：2024-09-14 GMT+08:00
查看PDF
分享

附录：大模型推理常见问题

  • 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SmoothQuant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：使用AWQ转换llama3.1系列模型权重出现报错ValueError: `rope_scaling` must be a dictionary with two fields, `type` and `factor`，

    解决方法：改问题通过将transformers升级到4.44.0，修改对应transformers中的transformers/models/llama/modeling_llama.py，在class LlamaRotaryEmbedding中的forward函数中增加self.inv_freq = self.inv_freq.npu()

  • 问题7：使用Qwen2-7B、Qwen2-72B模型有精度问题，重复输出感叹号

    检查【配置环境变量】章节中，高精度模式的环境变量是否开启

相关文档