3.8. dbrx

dbrx-instruct

本模型推理及性能测试需要8张enflame gcu。

模型下载

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

批量离线推理

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

性能测试

python3 -m vllm_utils.benchmark_test --perf \
 --model=[path of dbrx-instruct] \
 --max-model-len=8192 \
 --tokenizer=[path of dbrx-instruct] \
 --input-len=1024 \
 --output-len=3972 \
 --num-prompts=1 \
 --block-size=64 \
 --dtype=float16 \
 --tensor-parallel-size=8

注：

  • 本模型支持的max-model-len为32768；

  • input-len、output-len和num-prompts可按需调整；

  • dtype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;