6.9. llava-next

llama3-llava-next-8b-hf

模型下载

  • 将上述url设定的路径下的内容全部下载到llama3-llava-next-8b-hf文件夹中。

批量离线推理

python3 -m vllm_utils.benchmark_vision_language \
 --demo \
 --model=[path of llama3-llava-next-8b-hf] \
 --prompt=[your prompt] \
 --input-vision-file=[path of your test image] \
 --max-output-len=128 \
 --device=gcu

注：

  • 默认为graph mode推理，若想使用eager mode，请添加--enforce-eager；

  • --max-output-len可按需调整；

性能测试

python3 -m vllm_utils.benchmark_vision_language \
 --perf \
 --model=[path of llama3-llava-next-8b-hf] \
 --batch-size=1 \
 --input-len=2048 \
 --input-vision-shape="224,224" \
 --max-output-len=1024 \
 --device=gcu \
 --block-size=64

注：

  • 默认为graph mode推理，若想使用eager mode，请添加--enforce-eager；

  • --batch-size、--input-len、--input-vision-shape、--max-output-len可按需调整；

llava-onevision-qwen2-72b-ov-chat-hf

模型下载

  • 将上述url设定的路径下的内容全部下载到llava-onevision-qwen2-72b-ov-chat-hf文件夹中。

批量离线推理

图像推理

python3 -m vllm_utils.benchmark_vision_language \
 --model=[path of llava-onevision-qwen2-72b-ov-chat-hf] \
 --demo --model-arch-suffix=Image \
 --prompt=[your prompt] \
 --input-vision-file=[path of your test image] \
 --device=gcu \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --gpu-memory-utilization=0.945 \
 --max-output-len=2048

视频推理

python3 -m vllm_utils.benchmark_vision_language \
 --model=[path of llava-onevision-qwen2-72b-ov-chat-hf] \
 --demo \
 --model-arch-suffix=Video \
 --prompt=[your prompt] \
 --input-vision-file=[path of your test video] \
 --device=gcu \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --gpu-memory-utilization=0.945 \
 --max-output-len=2048

注：

  • 默认为graph mode推理，若想使用eager mode，请添加--enforce-eager；

  • --max-output-len可按需调整；

性能测试

图像性能测试

python3 -m vllm_utils.benchmark_vision_language \
 --model=[path of llava-onevision-qwen2-72b-ov-chat-hf] \
 --perf \
 --model-arch-suffix=Image \
 --batch-size=1 \
 --input-len=2048 \
 --max-output-len=2048 \
 --input-vision-shape=384,384 \
 --device=gcu \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --block-size=64 \
 --gpu-memory-utilization=0.945

视频性能测试

python3 -m vllm_utils.benchmark_vision_language \
 --model=[path of llava-onevision-qwen2-72b-ov-chat-hf] \
 --perf \
 --model-arch-suffix=Video \
 --batch-size=1 \
 --input-len=4096 \
 --max-output-len=2048 \
 --device=gcu \
 --tensor-parallel-size=4 \
 --max-model-len=16384 \
 --block-size=64 \
 --gpu-memory-utilization=0.945

注：

  • 默认为graph mode推理，若想使用eager mode，请添加--enforce-eager；

  • --batch-size、--input-len、--input-vision-shape、--max-output-len可按需调整；