3.20. WizardCoder¶

WizardCoder-15B-V1.0¶

模型下载¶

url: WizardCoder-15B-V1.0
branch: main
commit id: 9c17758

将上述url设定的路径下的内容全部下载到wizardcoder-15b-v1.0文件夹中。

批量离线推理¶

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of wizardcoder-15b-v1.0] \ 
 --output-len=256 \
 --demo=cin \
 --dtype=float16 \
 --template=templates/template_wizardcoder_instruct.jinja

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of wizardcoder-15b-v1.0] \
 --max-model-len=2048 \
 --tokenizer=[path of wizardcoder-15b-v1.0] \
 --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8k；
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;

WizardCoder-Python-34B-V1.0¶

本模型推理及性能测试需要两张enflame gcu。

模型下载¶

url: WizardCoder-Python-34B-V1.0
branch: main
commit id: 897fc6d

将上述url设定的路径下的内容全部下载到wizardcoder-python-34b-v1.0文件夹中。

批量离线推理¶

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of wizardcoder-python-34b-v1.0] \
 --tensor-parallel-size=2 \
 --output-len=256 \
 --demo=cin \
 --dtype=float16 \
 --template=templates/template_wizardcoder_instruct.jinja

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of wizardcoder-python-34b-v1.0] \
 --tensor-parallel-size=2 \
 --max-model-len=2048 \
 --tokenizer=[path of wizardcoder-python-34b-v1.0] \
 --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16k；
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;

WizardCoder-33B-V1.1¶

本模型推理及性能测试需要两张enflame gcu。

模型下载¶

url: WizardCoder-33B-V1.1
branch: main
commit id: 22d03e1

将上述url设定的路径下的内容全部下载到wizardcoder-33b-v1.1文件夹中。

批量离线推理¶

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of wizardcoder-33b-v1.1] \
 --tensor-parallel-size=2 \
 --output-len=256 \
 --demo=cin \
 --dtype=float16 \
 --template=templates/template_wizardcoder_instruct.jinja

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of wizardcoder-33b-v1.1] \
 --tensor-parallel-size=2 \
 --max-model-len=2048 \
 --tokenizer=[path of wizardcoder-33b-v1.1] \
 --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16k；
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;