中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

10月20日，全球AI領(lǐng)導(dǎo)者英偉達(dá)（NVIDIA）在官網(wǎng)開源了TensorRT-LLM，以加速和優(yōu)化NVIDIA GPU上最新大語言模型的推理性能。

目前，優(yōu)化大語言模型的方法有很多，例如，內(nèi)核融合和量化、知識蒸餾、KV緩存、模型剪枝、連續(xù)運行中批處理和分頁注意力等，但開發(fā)者面對如此多的技術(shù)很難選擇適合自己的用例，同時無法實現(xiàn)更好的兼容，而TensorRT-LLM提供了統(tǒng)一的解決方案。

TensorRT-LLM支持Llama 1/ 2、Baichuan（百川智能）、ChatGLM、Falcon、MPT、和Starcoder等市面上高性能類ChatGPT開源模型。

開源地址：
https://github.com/NVIDIA/TensorRT-LLM/tree/release/0.5.0

TensorRT-LLM簡單介紹

TensorRT-LLM是一個用于編譯和優(yōu)化大語言模型推理的綜合庫。TensorRT-LLM融合了目前主流優(yōu)化方法，同時提供了用于定義和構(gòu)建新模型的直觀Python API。

TensorRT-LLM封裝了TensorRT的深度學(xué)習(xí)編譯器，并包含最新的優(yōu)化內(nèi)核，用于實現(xiàn)FlashAttention和用于大語言模型執(zhí)行的屏蔽多頭注意力 (MHA)。

此外，TensorRT-LLM還原生支持Windows，可以幫助開發(fā)者在英偉RT和GeForce RTX GPU的PC和工作站上更快、更高效地運行大語言模型。

TensorRT-LLM主要技術(shù)亮點如下：

• 支持Llama 1/ 2、ChatGLM、Falcon、MPT、Baichuan (百川智能)和Starcoder等主流開源大語言模型。
• 連續(xù)批處理和分頁注意力
• 多GPU多節(jié)點(MGMN)推理
• 支持霍普架構(gòu)的transformer引擎與FP8
• 支持安培架構(gòu)、阿達(dá)Lovelace架構(gòu)和霍普GPU
• 原生支持Windows (測試版)

TensorRT-LLM使用示例

下面展示了TensorRT-LLM如何在Linux上使用、部署和優(yōu)化Llama 2。這里需要用到NVIDIA Triton（推理服務(wù)器）。

1）開始安裝

首先克隆并構(gòu)建TensorRT-LLM庫。構(gòu)建TensorRT-LLM并檢索所有依賴項的最簡單方法是使用包含Dockerfile。并在容器內(nèi)安裝TensorRT-LLM 所需的所有依賴項。

2）檢索模型權(quán)重

要使用TensorRT-LLM，需要提供一組經(jīng)過訓(xùn)練的權(quán)重。可以使用在NVIDIA NeMo等框架中訓(xùn)練的自己的模型權(quán)重，也可以從 HuggingFace Hub 等存儲庫中提取一組預(yù)訓(xùn)練的權(quán)重。

我們從HuggingFaceHub中提取 7B 參數(shù) Llama 2 模型的聊天調(diào)整變體的權(quán)重和分詞器文件。

3）編譯模型

需要將模型編譯為TensorRT引擎，所以，要將模型權(quán)重以及用 TensorRT-LLM Python API 編寫的模型進行定義。

而TensorRT-LLM 存儲庫包含各種預(yù)定義的模型架構(gòu)，已經(jīng)附帶了Llama 2的模型定義，所以，開發(fā)者無需自己編寫模型定義了。這也突出了TensorRT-LLM的優(yōu)化功能。

此外，TensorRT-LLM編譯器可以掃描圖表，為每個操作和可用 GPU 選擇最佳內(nèi)核。還可以識別圖中的模式，其中多個操作是融合到單個內(nèi)核中的良好候選者。

這極大減少了所需的內(nèi)存移動量以及啟動多個GPU內(nèi)核的消耗，對于優(yōu)化大語言模型推理至關(guān)重要。

4）運行模型

開發(fā)者可以直接使用本地模型，也可以使用 NVIDIA Triton 推理服務(wù)器的 TensorRT-LLM 運行時后端為多個用戶提供的模型。

5）使用 NVIDIA Triton 推理服務(wù)器進行部署

除了本地執(zhí)行之外，開發(fā)者還可以使用NVIDIA Triton 推理服務(wù)器來部署大語言模型的生產(chǎn)環(huán)境。

首先，為Triton推理服務(wù)器構(gòu)建 TensorRT-LLM后端，使用Dockerfile在容器中構(gòu)建后端。

接下來，創(chuàng)建一個模型存儲庫，以便 Triton Inference Server 可以讀取模型和任何關(guān)聯(lián)的元數(shù)據(jù)。將編譯的模型復(fù)制到模型存儲庫。

使用下面信息修改存儲庫框架中的一些配置文件：

• 編譯好的模型引擎在哪里
• 使用什么標(biāo)記器
• 批量推理時如何處理KV緩存的內(nèi)存分配

最后，啟動 Docker容器并啟動 Triton 服務(wù)器，指定要部署的 GPU 數(shù)量（全局大?。┎⒅赶騧odel_repo剛剛設(shè)置的值。

總體來說，TensorRT-LLM在大語言模型的模型編譯、資源消耗、流程簡化等方面表現(xiàn)非常優(yōu)秀，同時可以幫助開發(fā)人員快速嘗試不同類型的開源類ChatGPT模型。

本文素材來源英偉達(dá)官網(wǎng)，如有侵權(quán)請聯(lián)系刪除

END