3.11. gpt-neox

gpt-neox-20b

本模型推理及性能测试需要2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gpt-neox-20b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of hf_gpt-neox-20b_model] \
 --tensor-parallel-size=2 \
 --demo=te \
 --dtype=float16 \
 --output-len=256 \
 --gpu-memory-utilization=0.945

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of hf_gpt-neox-20b_model] \
 --tensor-parallel-size=2 \
 --max-model-len=2048 \
 --tokenizer=[path of hf_gpt-neox-20b_model] \
 --input-len=1024 \
 --output-len=1024 \
 --num-prompts=1 \
 --block-size=64 \
 --dtype=float16 \
 --gpu-memory-utilization=0.945

注：

  • 本模型支持的max-model-len为2048；

  • 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;