osc-llm 0.1.6

轻量级大模型推理工具,专注于模型推理延迟,注重框架易用性和可拓展性。

OSC-LLM

简介

osc-llm是一款轻量级别的模型推理框架, 专注于易用性和多任务的推理。

特点

• 使用torch.compile减少最多４倍以上的推理时间。
• 使用int8,int4量化减少显存占用。
• 使用Speculative decoding减少推理时间。

文档地址:

• notion

安装

• 安装最新版本pytorch
• 安装osc-llm: pip install osc-llm

快速开始

# 下面以llama3为例演示如何转换为osc-llm格式,并进行聊天。
# 假设你已经下载好huggingface的llama3模型在checkpoints/meta-llama目录下
# 1. 转换
llm convert --checkpoint_dir checkpoints/meta-llama/Meta-Llama-3-8B-Instruct
# 2. 量化
llm quantize int8 --checkpoint_dir checkpoints/meta-llama/Meta-Llama-3-8B-Instruct --save_dir checkpoints/meta-llama/Meta-Llama-3-8B-Instruct-int8
# 3. 聊天(使用编译功能加速推理速度,需要等待几分钟编译时间)
llm chat --checkpoint_dir checkpoints/meta-llama/Meta-Llama-3-8B-Instruct-int8 --compile true
# 4. 部署
llm serve --checkpoint_dir checkpoints/meta-llama/Meta-Llama-3-8B-Instruct-int8

模型支持

以下huggingface中的模型结构(查看config.json)已经支持转换为osc-llm格式:

• LlamaForCausalLM: llama2, llama3, chinese-alpaca2等。
• Qwen2ForCausalLM: qwen1.5系列。
• Qwen2MoeForCausalLM: qwen2-moe系列(目前无法完成编译,推理速度很慢)。

致敬

本项目参考了大量的开源项目，特别是以下项目：

• litgpt
• gpt-fast