作者：劉力 英特爾邊緣計算創(chuàng)新大使

ChatGLM3-6B 簡介

ChatGLM3 是智譜 AI 和清華大學 KEG 實驗室聯(lián)合發(fā)布的新一代對話預訓練模型。ChatGLM3-6B 是 ChatGLM3 系列中的開源模型，在填寫問卷進行登記后亦允許免費商業(yè)使用。

請使用命令，將 ChatGLM3-6B 模型下載到本地：

git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git

左滑查看更多

BigDL-LLM 簡介

BigDL-LLM 是開源，遵循 Apache 2.0 許可證，專門用于在英特爾的硬件平臺上加速大語言模型（Large Language Model, LLM）推理計算的軟件工具包。它是在原有的 BigDL 框架基礎上，為了應對大語言模型在推理過程中對性能和資源的高要求而設計的。BigDL-LLM 旨在通過優(yōu)化和硬件加速技術來提高大語言模型的運行效率，減少推理延遲，并降低資源消耗。

BigDL-LLM 的主要特點包括：

1低精度優(yōu)化：通過支持 INT4/INT5/INT8 等低精度格式，減少模型的大小和推理時的計算量，同時保持較高的推理精度。

2硬件加速：利用英特爾 CPU 集成的硬件加速技術，如 AVX（Advanced Vector Extensions）、VNNI（Vector Neural Network Instructions）和 AMX（Advanced Matrix Extensions）等，來加速模型的推理計算。

3使用方便：對于基于 Hugging Face Transformers API 的模型，只需修改少量代碼即可實現(xiàn)加速，使得開發(fā)者可以輕松地在其現(xiàn)有模型上應用 BigDL-LLM。

4性能提升：BigDL-LLM 可以顯著提高大語言模型在英特爾平臺上的運行速度，減少推理時間，特別是在處理大規(guī)模模型和復雜任務時。

5資源友好：通過優(yōu)化模型運行時的資源使用，BigDL-LLM 使得大語言模型可以在資源受限的環(huán)境中也能高效運行，如普通的筆記本電腦或服務器。

使用 BigDL-LLM

量化并部署 ChatGLM3-6B

第一步，創(chuàng)建虛擬環(huán)境

請安裝 Anaconda，然后用下面的命令創(chuàng)建名為 llm 的虛擬環(huán)境：

conda create -n llm python=3.9
conda activate llm

左滑查看更多

第二步，安裝 BigDL-LLM

執(zhí)行命令：

pip install --pre --upgrade bigdl-llm[all] -i https://mirrors.aliyun.com/pypi/simple/

左滑查看更多

第三步：運行范例程序

范例程序下載地址：

https://gitee.com/Pauntech/chat-glm3/blob/master/chatglm3_infer.py

import time
from bigdl.llm.transformers import AutoModel
from transformers import AutoTokenizer


CHATGLM_V3_PROMPT_FORMAT = "<|user|>
{prompt}
<|assistant|>"
# 請指定chatglm3-6b的本地路徑
model_path = "d:/chatglm3-6b"
# 載入ChatGLM3-6B模型并實現(xiàn)INT4量化
model = AutoModel.from_pretrained(model_path,
                 load_in_4bit=True,
                 trust_remote_code=True)
# 載入tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path,
                     trust_remote_code=True)
# 制作ChatGLM3格式提示詞  
prompt = CHATGLM_V3_PROMPT_FORMAT.format(prompt="What is Intel?")
# 對提示詞編碼
input_ids = tokenizer.encode(prompt, return_tensors="pt")
st = time.time()
# 執(zhí)行推理計算，生成Tokens
output = model.generate(input_ids,max_new_tokens=32)
end = time.time()
# 對生成Tokens解碼并顯示
output_str = tokenizer.decode(output[0], skip_special_tokens=True)
print(f'Inference time: {end-st} s')
print('-'*20, 'Prompt', '-'*20)
print(prompt)
print('-'*20, 'Output', '-'*20)
print(output_str)

左滑查看更多

運行結(jié)果，如下所示：

ChatGLM3-6B WebUI demo

請先安裝依賴軟件包：

pip install gradio mdtex2html streamlit -i https://mirrors.aliyun.com/pypi/simple/

左滑查看更多

下載范例程序：

https://gitee.com/Pauntech/chat-glm3/blob/master/chatglm3_web_demo.py

然后運行：

streamlit run chatglm3_web_demo.py

左滑查看更多

運行結(jié)果如下：

總結(jié)

BigDL-LLM 工具包簡單易用，僅需三步即可完成虛擬環(huán)境創(chuàng)建、BigDLL-LLM 安裝以及 ChatGLM3-6B 模型的 INT4 量化以及在英特爾 CPU 上的部署。

作者簡介

劉力，深圳市鉑盛科技有限公司的創(chuàng)始人。帶領團隊成功設計了多種計算機系統(tǒng)，并申請了多項專利和軟件著作，鉑盛科技為國家高新技術企業(yè)，深圳市專精特新企業(yè)。鉑盛通過整合算力和算法，打造軟硬件一體化的AIPC解決方案，目前產(chǎn)品已在工業(yè)控制、智能機器人、教育、醫(yī)療、金融等多個邊緣計算領域得到廣泛應用。

審核編輯：湯梓紅