3.9. gemma¶

gemma-2b¶

模型下载¶

url: gemma-2b
branch: main
commit id: 9d067f0

将上述url设定的路径下的内容全部下载到gemma-2b文件夹中。

requirement¶

vllm >= 0.3.3

批量离线推理¶

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of gemma-2b] \
 --demo=te \
 --dtype=float16 \
 --output-len=256

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of gemma-2b] \
 --tokenizer=[path of gemma-2b] \
 --max-model-len=1024 \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=16 \
 --block-size=64 \
 --dtype=float16

注：

本模型支持的max-model-len为8192；
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;

gemma-7b¶

模型下载¶

url: gemma-7b
branch: main
commit id: 359f554

将上述url设定的路径下的内容全部下载到gemma-7b文件夹中。

requirement¶

vllm >= 0.3.3

批量离线推理¶

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of gemma-7b] \
 --demo=te \
 --dtype=float16 \
 --output-len=256

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of gemma-7b] \
 --tokenizer=[path of gemma-7b] \
 --max-model-len=1024 \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=16 \
 --block-size=64 \
 --dtype=float16

注：

本模型支持的max-model-len为8192；
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;