3.22. Yi¶

Yi-6B¶

模型下载¶

url: Yi-6B
branch: main
commit id: 795e122

将上述url设定的路径下的内容全部下载到yi-6b文件夹中。

批量离线推理¶

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

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of yi-6b] \
 --max-model-len=4096 \
 --tokenizer=[path of yi-6b] \
 --input-len=128 \
 --output-len=128 \
 --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;

Yi-34B¶

本模型推理及性能测试需要两张enflame gcu。

模型下载¶

url: Yi-34B
branch: main
commit id: b65f157

将上述url设定的路径下的内容全部下载到yi-34b文件夹中。

批量离线推理¶

python3.8 -m vllm_utils.benchmark_test \
 --model=[path of yi-34b] \
 --tensor-parallel-size=2 \
 --output-len=256 \
 --demo=te \
 --dtype=float16

性能测试¶

python3.8 -m vllm_utils.benchmark_test --perf \
 --model=[path of yi-34b] \
 --tensor-parallel-size=2 \
 --max-model-len=4096 \
 --tokenizer=[path of yi-34b] \
 --input-len=128 \
 --output-len=128 \
 --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;