Merge branch 'main' of http://developer.hpccube.com/codes/modelzoo/llama_lmdeploy

README.md

 # LLama_lmdeploy
+## 论文
+- [https://arxiv.org/pdf/2302.13971.pdf](https://arxiv.org/pdf/2302.13971.pdf)
 
+## 模型结构
+LLAMA网络基于 Transformer 架构。提出了各种改进，并用于不同的模型，例如 PaLM。以下是与原始架构的主要区别：
+预归一化。为了提高训练稳定性，对每个transformer 子层的输入进行归一化，而不是对输出进行归一化。使用 RMSNorm 归一化函数。
+SwiGLU 激活函数 [PaLM]。使用 SwiGLU 激活函数替换 ReLU 非线性以提高性能。使用 2 /3 4d 的维度而不是 PaLM 中的 4d。
+旋转嵌入。移除了绝对位置嵌入，而是添加了旋转位置嵌入 (RoPE)，在网络的每一层。
+
+![img](./docs/llama.png)
+
+## 算法原理
+LLama是一个基础语言模型的集合,参数范围从7B到65B。在数万亿的tokens上训练出的模型，并表明可以专门使用公开可用的数据集来训练最先进的模型，而不依赖于专有的和不可访问的数据集。
+
+![img](./docs/llama_1.png)
+
+## 环境配置
+
+提供[光源](https://www.sourcefind.cn/#/service-details)拉取推理的docker镜像：
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:lmdeploy0.0.13_dtk23.04_torch1.13_py38
+# <Image ID>用上面拉取docker镜像的ID替换
+# <Host Path>主机端路径
+# <Container Path>容器映射路径
+docker run -it --name qwen --shm-size=1024G  --device=/dev/kfd --device=/dev/dri/ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v <Host Path>:<Container Path> <Image ID> /bin/bash
+```
+镜像版本依赖：
+* DTK驱动：dtk23.04
+* Pytorch: 1.13
+* python: python3.8
+
+## 数据集
+无
+
+### 源码编译安装
+```
+# 若使用光源的镜像，可以跳过源码编译安装，镜像里面安装好了lmdeploy。
+git clone http://developer.hpccube.com/codes/modelzoo/llama_lmdeploy.git
+cd llama_lmdeploy
+git submodule init && git submodule update
+mkdir build && cd build
+sh ../generate.sh
+make -j 32
+make install
+cd .. && python3 setup.py install
+```
+### 模型下载
+
+[LLama](https://huggingface.co/meta-llama)
+
+支持模型包括：LLama-7B、LLama-13B、LLama-30B、LLama-65B、LLama2-7B、LLama2-13B、LLama2-70B
+
+### 运行 LLama-7b
+```
+# 模型转换
+# <model_name> 模型的名字 （'llama', 'internlm', 'vicuna', 'internlm-chat-7b', 'internlm-chat', 'internlm-chat-7b-8k', 'internlm-chat-20b', 'internlm-20b', 'baichuan-7b', 'baichuan2-7b', 'llama2', 'qwen-7b', 'qwen-14b'）
+# <model_path> 模型路径
+# <model_format> 模型的格式 （'llama', 'hf', 'qwen'）
+# <tokenizer_path> tokenizer模型的路径（默认None,会去model_path里面找qwen.tiktoken）
+# <model_format> 保存输出的目标路径（默认./workspace）
+# <tp> 用于张量并行的GPU数量应该是2^n
+
+lmdeploy convert --model_name llama --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama7b --tp 1
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama7b --tp 1     # 输入问题后执行2次回车进行推理
+
+# 服务器网页端运行
+
+在bash端运行：
+# <model_path_or_server> 部署模型的路径或tritonserver URL或restful api URL。前者用于与gradio直接运行服务。后者用于默认情况下使用tritonserver运行。如果输入URL是restful api。请启用另一个标志“restful_api”。
+# <server_name> gradio服务器的ip地址
+# <server_port> gradio服务器的ip的端口
+# <batch_size> 于直接运行Turbomind的batch大小 （默认32）
+# <tp> 用于张量并行的GPU数量应该是2^n （和模型转换的时候保持一致）
+# <restful_api> modelpath_or_server的标志（默认是False）
+
+lmdeploy serve gradio --model_path_or_server ./workspace_llama7b --server_name {ip} --server_port {pord} --batch_size 32 --tp 1 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+
+### 运行 LLama-13b
+```
+# 模型转换
+lmdeploy convert --model_name llama --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama13b --tp 1
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama13b --tp 1
+
+# 服务器网页端运行
+
+在bash端运行：
+lmdeploy serve gradio --model_path_or_server ./workspace_llama13b --server_name {ip} --server_port {pord} --batch_size 32 --tp 1 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+### 运行 LLama-33b
+```
+# 模型转换
+lmdeploy convert --model_name llama --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama33b --tp 4
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama33b --tp 4
+
+# 服务器网页端运行
+
+在bash端运行：
+lmdeploy serve gradio --model_path_or_server ./workspace_llama33b --server_name {ip} --server_port {pord} --batch_size 32 --tp 4 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+
+### 运行 LLama-65b
+```
+# 模型转换
+lmdeploy convert --model_name llama --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama65b --tp 8
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama65b --tp 8
+
+# 服务器网页端运行
+
+在bash端运行：
+lmdeploy serve gradio --model_path_or_server ./workspace_llama65b --server_name {ip} --server_port {pord} --batch_size 32 --tp 8 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+
+### 运行 LLama2-7b
+```
+# 模型转换
+lmdeploy convert --model_name llama2 --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama2-7b --tp 1
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama2-7b --tp 1
+
+# 服务器网页端运行
+
+在bash端运行：
+lmdeploy serve gradio --model_path_or_server ./workspace_llama2-7b --server_name {ip} --server_port {pord} --batch_size 32 --tp 1 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+
+### 运行 LLama2-13b
+```
+# 模型转换
+lmdeploy convert --model_name llama2 --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama2-13b --tp 1
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama2-13b --tp 1
+
+# 服务器网页端运行
+
+在bash端运行：
+lmdeploy serve gradio --model_path_or_server ./workspace_llama2-13b --server_name {ip} --server_port {pord} --batch_size 32 --tp 1 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+
+### 运行 LLama2-70b
+```
+# 模型转换
+lmdeploy convert --model_name llama2 --model_path /path/to/model --model_format hf --tokenizer_path None --dst_path ./workspace_llama2-70b --tp 8
+
+# bash界面运行
+lmdeploy chat turbomind --model_path ./workspace_llama2-70b --tp 8
+
+# 服务器网页端运行
+
+在bash端运行：
+lmdeploy serve gradio --model_path_or_server ./workspace_llama2-70b --server_name {ip} --server_port {pord} --batch_size 32 --tp 8 --restful_api False 
+
+在网页上输入{ip}:{pord}即可进行对话
+```
+
+## result
+![qwen推理](docs/llama.gif)
+
+### 精度
+
+无
+
+## 应用场景
+
+### 算法类别
+
+`对话问答`
+
+
+### 热点应用行业
+
+`金融,科研,教育`
+
+
+## 源码仓库及问题反馈
+https://developer.hpccube.com/codes/modelzoo/llama_lmdeploy
+
+## 参考资料
+https://github.com/InternLM/LMDeploy