一、前言

     刚开始接触AI时，您可能会感到困惑，因为面对众多开源模型的选择，不知道应该选择哪个模型，也不知道如何调用最基本的模型。但是不用担心，我将陪伴您一起逐步入门，解决这些问题。

     在信息时代，我们可以轻松地通过互联网获取大量的理论知识和概念。然而，仅仅掌握理论知识并不能真正帮助我们成长和进步。实践是将理论知识转化为实际技能和经验的关键。

    本章将学习如何在低成本下，连续批处理提升LLM推理吞吐量，同时减少延迟。

---

二、术语

2.1. 批量推理

    一次加载模型参数，然后使用它们来处理多个输入序列。这可以更有效地使用芯片的内存带宽，从而实现更高的计算利用率、更高的吞吐量和更低的 LLM 推理成本。

---

三、前置条件

3.1. windows or linux操作系统均可

3.2. 下载chatglm3-6b模型

从huggingface下载：https://huggingface.co/THUDM/chatglm3-6b/tree/main

​

从魔搭下载：魔搭社区汇聚各领域最先进的机器学习模型，提供模型探索体验、推理、训练、部署和应用的一站式服务。https://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/fileshttps://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/files​

 3.3. 创建虚拟环境&安装依赖

conda create --name chatglm3 python=3.10
conda activate chatglm3
pip install protobuf transformers==4.39.3 cpm_kernels torch>=2.0 sentencepiece accelerate

---

四、技术实现

4.1. 完整代码

# -*-  coding = utf-8 -*-
from typing import Optional, Union
from transformers import AutoTokenizer, LogitsProcessorList, AutoModelForCausalLM

modelPath = "/mnt1/model/chatglm3-6b"

def batch(
        prompts: Union[str, list[str]],
        max_length: int = 8192,
        num_beams: int = 1,
        do_sample: bool = True,
        top_p: float = 0.8,
        temperature: float = 0.8,
):
    tokenizer.encode_special_tokens = True
    if isinstance(prompts, str):
        prompts = [prompts]
    batched_inputs = tokenizer(prompts, return_tensors="pt", padding="longest")
    print(batched_inputs)
    batched_inputs = batched_inputs.to(model.device)

    gen_kwargs = {
        "max_length": max_length,
        "num_beams": num_beams,
        "do_sample": do_sample,
        "top_p": top_p,
        "temperature": temperature,
    }
    batched_outputs = model.generate(**batched_inputs, **gen_kwargs)
    batched_response = []
    for input_ids, output_ids in zip(batched_inputs.input_ids, batched_outputs):
        decoded_text = tokenizer.decode(output_ids[len(input_ids):])
        batched_response.append(decoded_text.strip())
    return batched_response


def main(batch_queries):
    gen_kwargs = {
        "max_length": 8192,
        "do_sample": True,
        "top_p": 0.9,
        "temperature": 0.45,
        "num_beams": 1,
    }
    batch_responses = batch( batch_queries, **gen_kwargs)
    return batch_responses

def loadTokenizer():
    tokenizer = AutoTokenizer.from_pretrained(modelPath, use_fast=False, trust_remote_code=True)
    return tokenizer


def loadModel():
    model = AutoModelForCausalLM.from_pretrained(modelPath, device_map="auto", trust_remote_code=True).cuda()
    model = model.eval()
    # print(model)
    return model

if __name__ == "__main__":

    model = loadModel()
    tokenizer = loadTokenizer()

    batch_queries = [
        "<|user|>\n广州有什么特产\n<|assistant|>",
        "<|user|>\n东莞有什么特产\n<|assistant|>",
        "<|user|>\n韶关有什么景点\n<|assistant|>",
        "<|user|>\n深圳有什么景点\n<|assistant|>",
    ]
    batch_responses = main(batch_queries)
    for response in batch_responses:
        print("=" * 10)
        print(response)

调用结果：

通过表格展示模型生成结果：

序号	user	assistant
1	<|user|>\n广州有什么特产\n<|assistant|>	广州作为我国南方的大城市，拥有丰富的特产。以下是一些著名的广州特产：1. 广式早茶：广州的早茶文化悠久，品种丰富，如虾饺、烧卖、肠粉、凤爪等。2. 广式点心：有蛋挞、莲蓉包、马蹄糕、糯米鸡等。3. 广式糖水：如红豆糖水、绿豆糖水、莲子糖水等。4. 广式奶茶：在华南地区非常受欢迎，以香浓为特点。5. 广式水果：如荔枝、菠萝包、木瓜、火龙果等。6. 广式美食：如叉烧包、烧鹅、白切鸡、梅菜扣肉等。7. 广式糖果：如鱼翅糖、虫草花糖、六仔糖等。8. 广式茶叶：如铁观音、普洱茶、广州花茶等。9. 广式凉菜：如凉拌海蜇、蒜泥白肉、夫妻肺片等。10. 广式糕点：如绿豆糕、芝麻饼、蛋黄酥等。这些特产可以在广州的各大商场、购物中心、特产店以及一些大型超市购买到。同时，您也可以通过网购平台购买到广州特产。
2	<|user|>\n东莞有什么特产\n<|assistant|>	东莞是中国广东省的一个城市,拥有丰富的文化和历史,同时也是一个著名的制造业中心。因此,东莞的特产主要包括各种手工艺品、家具、电子设备等工业产品。此外,东莞还有一些美食和特色小吃,如烧腊、糖水、糯米鸡等。
3	<|user|>\n韶关有什么景点\n<|assistant|>	韶关是中国广东省的一个地级市,拥有丰富的旅游资源,包括以下景点:1. 韶关市博物馆:韶关市博物馆是一座以韶关历史文化为主要展示内容的博物馆,展示了韶关的历史、文化、艺术和社会风俗等方面的内容。2. 韶关市人民广场:韶关市人民广场是韶关市中心的一个公共广场,是韶关市民休闲、娱乐和活动的重要场所。3. 韶关市第一中学:韶关市第一中学是韶关市的一所重点中学,有着悠久的历史和优良的教育传统。4. 韶关市皮肤病医院:韶关市皮肤病医院是一家专业治疗皮肤病的医院,提供各种皮肤病的诊断和治疗服务。5. 韶关市皮肤病医院附近的中山公园:中山公园是韶关市皮肤病医院附近的一个公共公园,提供休闲、娱乐和活动场所。6. 韶关市韶州古城:韶州古城是韶关市的一个历史悠久的古城,有着丰富的历史文化遗产。7. 韶关市乳源瑶族自治县:韶关市乳源瑶族自治县是韶关市下辖的一个瑶族自治县,有着独特的瑶族文化和风情。8. 韶关市乳源瑶族自治县的大王峰景区:大王峰景区是乳源瑶族自治县的一个风景名胜区,有着壮丽的山水和独特的瑶族文化。9. 韶关市乳源瑶族自治县的大王峰景区附近的大王寺:大王寺是大王峰景区附近的一座古寺,有着悠久的历史和独特的文化底蕴。10. 韶关市乳源瑶族自治县的大王峰景区附近的瑶族风情村:瑶族风情村是乳源瑶族自治县的一个民俗文化村,展示了瑶族的风俗、习惯和传统文化。
4	<|user|>\n深圳有什么景点\n<|assistant|>	深圳是一个充满活力和创新精神的城市，拥有许多著名的旅游景点，以下是一些值得一游的景点：1. 深圳世界之窗：集世界各地著名景观和建筑于一身的大型主题公园，游客可以在一天之内领略世界各地的文化和风光。2. 深圳欢乐谷：是一个集休闲、娱乐、度假为一体的大型主题公园，拥有刺激的过山车、海盗船等游乐设施。3. 深圳大梅沙海滨公园：是深圳著名的海滨度假胜地，拥有优美的沙滩和清澈的海水，适合度假、海滨游玩。4. 深圳莲花山公园：位于深圳市中心，是一个城市绿洲，拥有美丽的莲花山和各种雕塑、喷泉等景观。5. 深圳锦绣中华民俗村：是一个大型的民俗文化主题公园，游客可以领略到中国各地的传统民俗文化、建筑和表演。6. 深圳东部华侨城：包括大梅沙海滨公园、茶溪谷、生态广场等多个景区，游客可以欣赏自然风光、品尝美食、观赏表演等。7. 深圳华侨城创意园：是一个以创意为主题的公园，拥有独特的建筑和景观，适合拍照、休闲和创意产业相关的活动。8. 深圳深圳湾公园：是一个位于深圳湾的公园，可以欣赏到深圳湾跨海大桥的美丽景色和深圳湾公园的美景。9. 深圳香蜜湖公园：是一个美丽的城市湖泊公园，适合散步、骑车、划船等户外活动。10. 深圳东部华侨城中华民俗村：是一个大型的民俗文化主题公园，游客可以领略到中国各地的传统民俗文化、建筑和表演。以上只是深圳众多景点中的一部分，实际上深圳还有很多其他值得一游的景点，如深圳水围村、深圳东部华侨城茶溪谷、深圳大梅沙水上世界等。

---

五、附带说明

5.1. 批量推理的输入序列格式

1. "<|user|>\n广州有什么特产\n<|assistant|>"
2. "<|user|>\n东莞有什么特产\n<|assistant|>"
3. "<|user|>\n韶关有什么景点\n<|assistant|>"
4. "<|user|>\n深圳有什么景点\n<|assistant|>"

上述prompts经过tokenizer处理后：

{'input_ids': tensor([[    0, 64790, 64792, 64795, 30910,    13, 32528, 33277, 45645,    13,	64796],
        [    0, 64790, 64792, 64795, 30910,    13, 36705, 33277, 45645,    13,	64796],
        [64790, 64792, 64795, 30910,    13, 57712, 54637, 33277, 35180,    13,	64796],
        [    0, 64790, 64792, 64795, 30910,    13, 32370, 33277, 35180,    13,	64796]]), 
'attention_mask': tensor([[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]]), 
'position_ids': tensor([[ 0,  0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
        [ 0,  0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
        [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
        [ 0,  0,  1,  2,  3,  4,  5,  6,  7,  8,  9]])}

5.2. 生成结果多样性

    上面示例生成的结果受到模型参数的影响，可以通过调整temperature值来改变结果的多样性和随机性。较低的temperature值会使生成的结果更加确定和保守，更加倾向于选择高概率的预测。而较高的temperature值会使生成的结果更加多样化和随机，更容易选择低概率的预测。所以，通过调整temperature值，可以控制生成结果的风格和变化程度。