成都分销网站建设,wordpress 获取当前分类,可以做进销存的网站系统,怎么自学室内设计与装修#x1f3ac; 鸽芷咕#xff1a;个人主页 #x1f525; 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想#xff0c;就是为了理想的生活! 引言 说到大语言模型相信大家都不会陌生#xff0c;大型语言模型(LLMs)是人工智能文本处理的主要类型,也现在最流行的人工智能… 鸽芷咕个人主页 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想就是为了理想的生活! 引言 说到大语言模型相信大家都不会陌生大型语言模型(LLMs)是人工智能文本处理的主要类型,也现在最流行的人工智能应用形态。ChatGPT就是是迄今为止最著名的使用LLM的工具,它由OpenAI的GPT模型的特别调整版本提供动力而今天我们就来带大家体验一下部署大模型的实战。 文章目录 引言一、项目选择与系统介绍1.1 项目介绍1.2 Tiny-Llama语言模型1.3 进入系统1.4 进行远程连接 二、部署LLMS大模型2.1 拉取代码到环境2.2 自定义算子部署配置protoc 环境算子编译部署修改环境变量编译运行 依赖安装 2.3 推理启动 三、 项目体验 一、项目选择与系统介绍
1.1 项目介绍
本来博主是准备来部署一下咱们的清华大语言模型镜像这个目前也是非常的火啊吸引了很多人的注意其优秀的性能和GPT3 不相上下但是由于考虑到大部分人电脑其实跑大模型是有一点点吃力的为了让更多人来先迈出部署模型的第一步于是就决定去 gitee 上找一个小型一点的大模型来实战一下。
1.2 Tiny-Llama语言模型 果不其然刚搜索就发现 一个基于香橙派AI Pro 部署的语言大模型项目这不正好吗直接开始 点进去一看发现这是南京大学开源的一套基于香橙派 AIpro部署的Tiny-Llama语言模型 开源地址
1.3 进入系统 这里我们选择的是openEuler是香橙派的这块板子内置的系统。但其实他的内核是ubuntu这里可以给大家看一下所以我们用 ubuntu 服务器来部署应该是没有问题的。 openEuler 是一由中国开源软件基金会主导以Linux稳定系统内核为基础,华为深度参与,面向服务器、桌面和嵌入式等的一个开源操作系统。
1.4 进行远程连接 这里直接插电启动默认用户名 HwHiAiUser、密码 Mind123 当然root密码也是一样的 这里我们进来之后可以直接选择链接WiFi 非常便捷 当然这里大家在这里也可以选择云服务器远程实战 然后我们打开命令窗查看IP , 由于系统默认支持ssh 远程连接所以博主这里就直接采用 Sxhell 进行连接 输入ip 选择 HwHiAiUser 登录 密码 Mind123 二、部署LLMS大模型
2.1 拉取代码到环境
先cd进入 cd ~/samples 目录之后直接利用git 拉取我们的项目git 由于系统镜像自带的有就不用我们手动安装了 2.2 自定义算子部署
配置protoc 环境 使用wget工具从指定的华为云链接下载 protobuf-all-3.13.0.tar.gz文件
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/wanzutao/tiny-llama/protobuf-all-3.13.0.tar.gz --no-check-certificate解压刚刚下载的文件
tar -zxvf protobuf-all-3.13.0.tar.gz这里解压速度非常快基本一秒就OK了 进入 protobuf-3.13.0 文件夹中
cd protobuf-3.13.0更新apt包管理器的软件包列表 apt-get update使用apt-get安装必要的构建工具包括autoconf、automake和libtool这些工具用于配置和构建开源项目
apt-get install autoconf automake libtool生成配置脚本 configure , 运行 ./configure 生成一个Makefile
./autogen.sh
./configure编译源代码,由于 香橙派 AIpro 是4核64位处理器 AI处理器支持8个线程我们我们可以大胆的使用4个并行进程进行编译以加快编译速度。编译这里的时候大家就可以放松放松了大概只需要10几分钟就好了
make -j4将编译后的二进制文件和库文件安装到系统指定的位置
make install更新系统共享库缓存的工具检查protoc 版本
sudo ldconfigprotoc --version算子编译部署 将当前工作目录切换到 tiny_llama 设置了一个环境变量 ASCEND_PATH并将其值设为 /usr/local/Ascend/ascend-toolkit/latest export ASCEND_PATH/usr/local/Ascend/ascend-toolkit/latest 将 custom_op/matmul_integer_plugin.cc 文件复制到指定路径
cp custom_op/matmul_integer_plugin.cc $ASCEND_PATH/tools/msopgen/template/custom_operator_sample/DSL/Onnx/framework/onnx_plugin/cd 进入 目标文件夹进行配置
cd $ASCEND_PATH/tools/msopgen/template/custom_operator_sample/DSL/Onnx修改环境变量 打开build.sh找到下面四个环境变量解开注释并修改如下
#命令为 vim build.sh# 修改内容为
export ASCEND_TENSOR_COMPILER_INCLUDE/usr/local/Ascend/ascend-toolkit/latest/include
export TOOLCHAIN_DIR/usr
export AICPU_KERNEL_TARGETcust_aicpu_kernels
export AICPU_SOC_VERSIONAscend310B4编译运行 依赖安装 编译构建项目,进入到构建输出目录以后续处理生成的文
./build.sh
cd build_out/生成文件到 customize 到默认目录 $ASCEND_PATH/opp/vendors/
./custom_opp_ubuntu_aarch64.run删除冗余文件
cd $ASCEND_PATH/opp/vendors/customize
rm -rf op_impl/ op_proto/安装依赖从指定的华为云 PyPI 镜像源安装所需的 Python 包
cd tiny_llama/inference
pip install -r requirements.txt -i https://mirrors.huaweicloud.com/repository/pypi/simple先cd 回到根目录在进入家目录找到咱们的 tiny_llama/inference
2.3 推理启动 下载tokenizer文件
cd tokenizer
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/wanzutao/tiny-llama/tokenizer.zip
unzip tokenizer.zip 获取onnx模型文件
cd ../model
wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/wanzutao/tiny-llama/tiny-llama.onnx我们在复制代码的时候一定要仔细嗷博主这里少打了一个w 导致并没有获取到模型后期找了半天才发现错误所以提醒大家一定要注意好每一步 atc模型转换
atc --framework5 --model./tiny-llama.onnx --outputtiny-llama --input_formatND --input_shapeinput_ids:1,1;attention_mask:1,1025;position_ids:1,1;past_key_values:22,2,1,4,1024,64 --soc_versionAscend310B4 --precision_modemust_keep_origin_dtype三、 项目体验 好了到这里我们就算是大功告成了只需要启动一下mian文件就OK了 在 cd tiny_llama/inference 目录下运行命令
python3 main.py打开网址进行访问 Tiny-Llama这个模型由于尺寸非常小参数也只有1.1B。所以在我们部署Tiny-Llama这个大语言模型推理过程中Ai Core的占用率只到60%左右基本是一秒俩个词左右速度上是肯定没问题的。后期可以去试试升级一下内存去跑一下当下主流的 千问7B模型 或者 清华第二代大模型拥有 60 亿参数 ChatGLM2 感觉用 OrangePi AIpro 这块板子也是没问题。
