《(5)LMDeploy 大模型量化部署实践》

课程文档：《LMDeploy 的量化和部署》

1、大模型部署背景

1.1 模型部署

定义

• 将训练好的模型在特定软硬件环境中启动的过程，使模型能够接收输入并返回预测结果
• 为了满足性能和效率的需求，常常需要对模型进行优化，例如模型压缩和硬件加速

产品形态

• 云端、边缘计算端、移动端

1.2 大模型特点

内存开销巨大

• 庞大的参数量。7B模型仅权重就需要14+G显存
• 采用自回归生成 token，需要缓存Attention的k/v，带来巨大的内存开销

1.3 大模型部署挑战

设备

• 如何应对巨大的存储问题？低存储设备（消费级显卡、手机等）如何部署？

推理

• 如何加速token的生成速度
• 如何解决动态shape，让推理可以不间断
• 如何有效管理和利用内存

2、LMDeploy简介

LMDeploy是LLM在英伟达设备上部署的全流程解决方案。包括模型轻量化、推理和服务。
项目地址：https://github.com/InternLM/lmdeploy

1.1 接口

python & gRPC & RESTful