3.18. starcoder

starcoderbase

本模型推理及性能测试需要1张enflame gcu。

模型下载

• url: starcoderbase

• branch: main

• commit id: 88ec5781ad071a9d9e925cd28f327dea22eb5188

批量离线推理

# completion
python3.8 -m vllm_utils.benchmark_test \
 --model=[path of starcoderbase] \
 --demo=cc \
 --template=templates/template_starcoder_completion.jinja \
 --dtype=float16 \
 --output-len=256
# infilling
python3.8 -m vllm_utils.benchmark_test \
 --model=[path of starcoderbase] \
 --demo=ci \
 --template=templates/template_starcoder_infilling.jinja \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of starcoderbase] \
 --max-model-len=8192 \
 --tokenizer=[path of starcoderbase] \
 --input-len=128 \
 --output-len=128 \
 --num-prompts=8 \
 --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;

starcoder2-7b

本模型推理及性能测试需要1张enflame gcu。

模型下载

• url: starcoderbase

• branch: main

• commit id: a3d3368

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of starcoder2-7b] \
 --demo=cc \
 --template=templates/template_starcoder_completion.jinja \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of starcoder2-7b] \
 --max-model-len=2048 \
 --tokenizer=[path of starcoder2-7b] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=8 \
 --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;

starcoder2-15b

本模型推理及性能测试需要1张enflame gcu。

模型下载

• url: starcoderbase

• branch: main

• commit id: 995200d

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of starcoder2-15b] \
 --demo=cc \
 --template=templates/template_starcoder_completion.jinja \
 --dtype=float16 \
 --output-len=256

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of starcoder2-15b] \
 --max-model-len=2048 \
 --tokenizer=[path of starcoder2-15b] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=8 \
 --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;