3.16. Orion

Orion-14B-Base

模型下载

将上述url设定的路径下的内容全部下载到orion-14b-base文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of orion-14b-base] \
 --demo=te \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of orion-14b-base] \
 --max-model-len=1024 \
 --tokenizer=[path of orion-14b-base] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=64 \
 --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;

Orion-14B-Chat

模型下载

将上述url设定的路径下的内容全部下载到orion-14b-chat文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of orion-14b-chat] \
 --demo=ch \
 --template=default \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of orion-14b-chat] \
 --max-model-len=1024 \
 --tokenizer=[path of orion-14b-chat] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=64 \
 --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;