3.12. internlm

internlm-7b

本模型推理及性能测试需要1张enflame gcu。

模型下载

  • url:internlm-7b

  • branch:main

  • commit id:154a736f18ae86c93339e345c145d65d03696156

将上述url设定的路径下的内容全部下载到internlm-7b文件夹中。

批量离线推理

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

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm-7b] \
 --tokenizer=[path of internlm-7b] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=16 \
 --block-size=64 \
 --max-model-len=2048 \
 --dtype=float16

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;

internlm-20b

本模型推理及性能测试需要2张enflame gcu。

模型下载

  • url:internlm-20b

  • branch:main

  • commit id:2d83118d863d24565da1f9c6c0fe99d3e882f25c

将上述url设定的路径下的内容全部下载到internlm-20b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of internlm-20b] \
 --tensor-parallel-size=2 \
 --demo=tc \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm-20b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --tokenizer=[path of internlm-20b] \
 --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;

internlm-chat-20b

本模型推理及性能测试需要2张enflame gcu。

模型下载

  • url:internlm-chat-20b

  • branch:main

  • commit id:ce6e0150bc4b525c44f6e450569a05705dcb4e72

将上述url设定的路径下的内容全部下载到internlm-chat-20b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of internlm-chat-20b] \
 --tensor-parallel-size=2 \
 --demo=tc \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm-chat-20b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --tokenizer=[path of internlm-20b] \
 --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；

internlm-7b-w8a16

本模型推理及性能测试需要1张enflame gcu。

模型下载

  • 如需要下载权重，请联系商务人员开通EGC权限进行下载

  • 下载InternLM-7b-w8a16.tar文件并解压，将压缩包内的内容全部拷贝到internlm_7b_w8a16文件夹中。

  • internlm_7b_w8a16目录结构如下所示：

internlm_7b_w8a16/
    ├── config.json
    ├── configuration_internlm.py
    ├── generation_config.json
    ├── index.html.tmp
    ├── modeling_internlm.py
    ├── model.safetensors
    ├── pytorch_model.bin.index.json
    ├── quantize_config.json
    ├── special_tokens_map.json
    ├── tokenization_internlm.py
    ├── tokenizer_config.json
    ├── tokenizer.model
    └── tops_quantize_info.json

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of internlm-7b-w8a16] \
 --demo=te \
 --output-len=256 \
 --dtype=float16 \
 --quantization w8a16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm-7b-w8a16] \
 --max-model-len=2048 \
 --tokenizer=[path of internlm-7b-w8a16] \
 --input-len=512 \
 --output-len=128 \
 --num-prompts=8 \
 --block-size=64 \
 --dtype=float16 \
 --quantization=w8a16

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;

internlm2-7b

本模型推理及性能测试需要1张enflame gcu。

模型下载

  • url:internlm2-7b

  • branch:main

  • commit id:530fc706c606b1af1145c662877a7d99ad79d623

将上述url设定的路径下的内容全部下载到internlm2-7b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of internlm2-7b] \
 --demo=tc \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm2-7b] \
 --tokenizer=[path of internlm2-7b] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=16 \
 --block-size=64 \
 --max-model-len=32768 \
 --dtype=float16

注：

  • 本模型支持的max-model-len为32768；

  • 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;

internlm2-20b

本模型推理及性能测试需要2张enflame gcu。

模型下载

  • url:internlm2-20b

  • branch:main

  • commit id:f363ea8a116b3ea829c7a068ca24bc9d3e668083

将上述url设定的路径下的内容全部下载到internlm2-20b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of internlm2-20b] \
 --tensor-parallel-size=2 \
 --demo=tc \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm2-20b] \
 --tensor-parallel-size=2 \
 --max-model-len=32768 \
 --tokenizer=[path of internlm2-20b] \
 --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32768；

  • 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;

internlm2-chat-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internlm2-chat-20b文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of internlm2-chat-20b] \
 --tensor-parallel-size=2 \
 --demo=tc \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of internlm2-chat-20b] \
 --tensor-parallel-size=2 \
 --max-model-len=32768 \
 --tokenizer=[path of internlm2-chat-20b] \
 --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32768；

  • 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;