3.1. Aquila

Aquila2-34B

本模型推理及性能测试需要2张enflame gcu。

模型下载

  • url: Aquila2-34B

  • branch: main

  • commit id: 356733caf6221e9dd898cde8ff189a98175526ec

  • 将上述url设定的路径下的内容全部下载到aquila2-34b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of aquila2-34b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --output-len=512 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of aquila2-34b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --tokenizer=[path of aquila2-34b] \
 --input-len=1024 \
 --output-len=256 \
 --num-prompts=8 \
 --block-size=64 \
 --dtype=float16

注:

  • 本模型支持的max-model-len为4096；

  • input-len、output-len和num-prompts可按需调整；

  • 配置 output-len为1时，输出内容中的latency即为time_to_first_token_latency；

AquilaChat2-34B

本模型推理及性能测试需要2张enflame gcu。

模型下载

  • url: AquilaChat2-34B

  • branch: main

  • commit id: b9cd9c7436435ab9cfa5e4f009be2b0354979ca8

  • 将上述url设定的路径下的内容全部下载到aquilachat2-34b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of aquilachat2-34b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --output-len=512 \
 --dtype=float16 \
 --demo=ch \
 --template=templates/template_aquilachat2.jinja

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of aquilachat2-34b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --tokenizer=[path of aquilachat2-34b] \
 --input-len=1024 \
 --output-len=256 \
 --num-prompts=8 \
 --block-size=64 \
 --dtype=float16

注:

  • 本模型支持的max-model-len为4096；

  • input-len、output-len和num-prompts可按需调整；

  • 配置 output-len为1时，输出内容中的latency即为time_to_first_token_latency；

AquilaChat2-34B-16K

本模型推理及性能测试需要4张enflame gcu。

模型下载

  • 将上述url设定的路径下的内容全部下载到aquilachat2-34b-16k文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of aquilachat2-34b-16k] \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --output-len=512 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of aquilachat2-34b-16k] \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --tokenizer=[path of aquilachat2-34b-16k] \
 --input-len=1024 \
 --output-len=512 \
 --num-prompts=16 \
 --block-size=64 \
 --dtype=float16

注:

  • 本模型支持的max-model-len为16384；

  • input-len、output-len和num-prompts可按需调整；

  • 配置 output-len为1时，输出内容中的latency即为time_to_first_token_latency；