LMDeploy 大模型量化部署实践
大模型部署背景
LMDeploy简介
轻量化、推理引擎、服务
核心功能-量化
显存消耗变少了
大语言模型是典型的访存密集型任务，因为它是decoder-by-decoder
先把数据量化为INT4存起来，算的时候会反量化为FP16
AWQ算法：观察到模型在推理过程中，只有一小部分参数是重要的参数，这部分参数不量化，其他的参数量化，这样保留了显存，性能也不会下降多少
核心功能-推理引擎
不用等到整个batch结束
核心功能-推理服务api server
动手实践环节
https://github.com/InternLM/tutorial/blob/main/lmdeploy/lmdeploy.md
