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