FastLLM高性能大模型推理库

devtools/2024/11/25 13:27:27/

FastLLM 是一个高效、易用的轻量级语言模型库。

  • 🚀 纯c++实现,便于跨平台移植,可以在安卓上直接编译
  • 🚀 支持读取Hugging face原始模型并直接量化
  • 🚀 支持部署Openai api server
  • 🚀 支持多卡部署,支持GPU + CPU混合部署
  • 🚀 支持动态Batch,流式输出

安装 

git clone https://github.com/ztxz16/fastllm.git
bash install.sh -DUSE_CUDA=ON -D CMAKE_CUDA_COMPILER=$(which nvcc) 

以Qwen1.5-0.5B为例 

# 通过huggingface接口创建模型,参考每个模型readme.md中的加载方式
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained('/home/qwen0_5B/Qwen1___5-0___5B-Chat', trust_remote_code = True)
model = AutoModelForCausalLM.from_pretrained('/home/qwen0_5B/Qwen1___5-0___5B-Chat', trust_remote_code = True)# 将huggingface模型转换成fastllm模型
# from_hf接口只能接受原始模型,或者ChatGLM的int4, int8量化模型,不能转换其它量化模型
from ftllm import llm
model = llm.from_hf(model, tokenizer, dtype = "float16") 
model.save("qwen0_5B.flm")

🚀现在可以使用fastllm_pytools包来启动一个大模型对话服务了:

python3 -m fastllm_pytools.chat --path /home/qwen0_5B.flm

也可以根据webui.py指定的参数来启动webui服务:

python3 -m fastllm_pytools.webui --path /home/qwen0_5B.flm --port 8000

 

以及部署API Server: 

python3 -m fastllm_pytools.server --model_name qwen --port 8000 -p /home/qwen0_5B.flm
import requestsurl = "http://localhost:8000/v1/chat/completions"
# API文档/v1/chat/completions
headers = {"Content-Type": "application/json"
}
data = {"model": "qwen","messages": [{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": "你好呀"}]
}response = requests.post(url, headers=headers, json=data)
print(response.json())

响应:

{'id': 'fastllm-qwen-89c424649a404daca6a5e9aaa70e21b0', 'object': 'chat.completion', 'created': 1732087721, 'model': 'qwen', 'choices': [{'index': 0, 'message': {'role': 'assistant', 'content': '你好!有什么我可以帮助你的吗?'}, 'finish_reason': 'stop'}], 'usage': {'prompt_tokens': 19, 'total_tokens': 27, 'completion_tokens': 8}}

我们也可以使用官方给出的python api接口: pyfastllm

  • 对接fastapi、flask等web框架,向外提供数据接口
  • 利用python yield生成器语言特性,流式问答响应

 pyfastllm安装


http://www.ppmy.cn/devtools/136847.html

相关文章

慢查询优化思路

本文介绍慢查询的优化思路,但不以索引优化作为重点,索引相关的优化可以参考《索引使用原则、索引失效》、《MySQL单表查询时索引使用情况》。 1.应用层面 对于报表类页面,一般涉及到的数据库表较多且数据量大,容易造成接口查询较…

private static final long serialVersionUID = 1L

Java 序列化机制中的一个标识,用于确保序列化和反序列化过程中类的兼容性。 一、具体作用 1.类的唯一标识: 序列化时,Java 会将类的 serialVersionUID 写入序列化后的数据中。反序列化时,Java 会检查 serialVersionUID 是否和原…

【2024 Optimal Control 16-745】Ubuntu22.04 安装Julia

找不到Julia 内核 下载Julia curl -fsSL https://install.julialang.org | sh官网下载:Julia 安装 IJulia 打开 Julia REPL(在终端中输入 julia)并执行以下命令安装 IJulia: using Pkg Pkg.add("IJulia")这将为 Ju…

华为FusionCube 500-8.2.0SPC100 实施部署文档

环境: 产品:FusionCube 500版本:8.2.0.SPC100场景:虚拟化基础设施平台:FusionCompute两节点 MCNA * 2硬件部署(塔式交付场景)免交换组网(配置AR卡) 前置准备 组网规划 节…

【CSP CCF记录】201812-2第15次认证 小明放学

题目 样例1输入 30 3 30 8 0 10 1 5 0 11 2 2 0 6 0 3 3 10 0 3 样例1输出 30 3 30 8 0 10 1 5 0 11 2 2 0 6 0 3 3 10 0 3 思路 参考:CCF小白刷题之路---201812-2 小明放学(C/C 100分)_小明放学测试数据-CSDN博客 我们使用一个for循环计算…

安装支持ssl的harbor 2.1.4 docker 19.03.8 docker-compose 1.24.0

版本: docker 19.03.8 docker-compose 1.24.0 harbor: harbor-offline-installer-v2.1.4.tgz 1、先在/root下生成证书 #生成ca根证书 openssl genrsa -out ca.key 4096#创建ca证书 openssl req -x509 -new -nodes -sha512 -days 3650 \-subj "/CCN/STShenzh…

Android 网络通信(三)OkHttp实现登入

学习笔记 目录 一. 先写XML布局 二、创建 LoginResponse 类 :封装响应数据 目的和作用: 三、创建 MyOkHttp 类 :发送异步请求 代码分析 可能改进的地方 总结 四、LoginActivity 类中实现登录功能 详细分析与注释: 总结: 改进建议: 零、响应数据样例 通过 P…

TCP socket api详解

文章目录 netstat -nltpaccept简单客户端工具 telnet 指定服务连接connect异常处理version 1 单进程版version 2 多进程版version 3 -- 多线程版本version 4 ---- 线程池版本 应用-简单的翻译系统服务器细节write 返回值 客户端守护进程化前台和后台进程的原理 创建套接字socke…