3.21. xuanyuan

XuanYuan-6B

模型下载

  • url:XuanYuan-6B

  • branch:master

  • commit id:3455536233af69f9d4bad38af80789acf44df291

将上述url设定的路径下的内容全部下载到XuanYuan-6B文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of XuanYuan-6B] \
 --output-len=256 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of XuanYuan-6B] \
 --max-model-len=8192 \
 --tokenizer=[path of XuanYuan-6B] \
 --input-len=1024 \
 --output-len=512 \
 --num-prompts=1 \
 --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;

XuanYuan-13B

模型下载

  • url:XuanYuan-13B

  • branch:master

  • commit id:9aeb8a5072ee51cd1195610cf93228915c54d268

将上述url设定的路径下的内容全部下载到XuanYuan-13B文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of XuanYuan-13B] \
 --output-len=256 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of XuanYuan-13B] \
 --max-model-len=8192 \
 --tokenizer=[path of XuanYuan-13B] \
 --input-len=1024 \
 --output-len=512 \
 --num-prompts=1 \
 --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;

XuanYuan-70B

模型下载

将上述url设定的路径下的内容全部下载到XuanYuan-70B文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of XuanYuan-70B] \
 --tensor-parallel-size=4 \
 --output-len=256 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of XuanYuan-70B] \
 --tensor-parallel-size=4 \
 --max-model-len=8192 \
 --tokenizer=[path of XuanYuan-70B] \
 --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;

XuanYuan-70B-Chat

模型下载

将上述url设定的路径下的内容全部下载到XuanYuan-70B-Chat文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of XuanYuan-70B-Chat] \
 --tensor-parallel-size=4 \
 --output-len=256 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of XuanYuan-70B-Chat] \
 --tensor-parallel-size=4 \
 --max-model-len=8192 \
 --tokenizer=[path of XuanYuan-70B-Chat] \
 --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;

XuanYuan2-70B

本模型推理及性能测试需要4张enflame gcu。

模型下载

  • url:XuanYuan2-70B

  • branch: master

  • commit id: 45d81a2b09ece9927ed15a35e4ec2983d9cb896e

将上述url设定的路径下的内容全部下载到XuanYuan2-70B文件夹中。

批量离线推理

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of XuanYuan2-70B] \
 --tensor-parallel-size=4 \
 --output-len=256 \
 --demo=te \
 --dtype=float16

性能测试

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of XuanYuan2-70B] \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --tokenizer=[path of XuanYuan2-70B] \
 --input-len=1024 \
 --output-len=512 \
 --num-prompts=4 \
 --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;