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

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 -m vllm_utils.benchmark_test \
 --model=[path of starcoder2-7b] \
 --demo=cc \
 --template=templates/template_starcoder2_completion.jinja \
 --dtype=float16 \
 --output-len=256

性能测试¶

python3 -m vllm_utils.benchmark_test --perf \
 --model=[path of starcoder2-7b] \
 --max-model-len=1024 \
 --tokenizer=[path of starcoder2-7b] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=1 \
 --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 -m vllm_utils.benchmark_test \
 --model=[path of starcoder2-15b] \
 --demo=cc \
 --template=templates/template_starcoder2_completion.jinja \
 --dtype=float16 \
 --output-len=256

性能测试¶

python3 -m vllm_utils.benchmark_test --perf \
 --model=[path of starcoder2-15b] \
 --max-model-len=1024 \
 --tokenizer=[path of starcoder2-15b] \
 --input-len=512 \
 --output-len=512 \
 --num-prompts=1 \
 --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-w8a16¶

本模型推理及性能测试需要1张enflame gcu。

模型下载¶

如需要下载权重，请联系商务人员开通EGC权限进行下载

下载starcoder2-15b-w8a16.tar文件并解压，将压缩包内的内容全部拷贝到starcoder2_15b_w8a16文件夹中。
starcoder2_15b_w8a16目录结构如下所示：

starcoder2_15b_w8a16/
            ├── config.json
            ├── generation_config.json
            ├── model.safetensors
            ├── quantize_config.json
            ├── special_tokens_map.json
            ├── merges.txt
            ├── vocab.json
            ├── tokenizer.json
            ├── tokenizer_config.json
            └── tops_quantize_info.json

批量离线推理¶

python3 -m vllm_utils.benchmark_test \
 --model=[path of starcoder2_15b_w8a16] \
 --demo=cc \
 --output-len=256 \
 --dtype=float16  \
 --template=templates/template_starcoder2_completion.jinja \
 --quantization w8a16

性能测试¶

python3 -m vllm_utils.benchmark_test --perf \
 --model=[path of starcoder2_15b_w8a16] \
 --max-model-len=16384 \
 --tokenizer=[path of starcoder2_15b_w8a16] \
 --input-len=8192 \
 --output-len=8192 \
 --num-prompts=1 \
 --block-size=64 \
 --dtype=float16 \
 --quantization w8a16

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;