自助网站建设程序谷歌应用商店app下载

背景

在阅读 LLamafactory 的文档时候，发现它支持批量推理:
推理.https://llamafactory.readthedocs.io/zh-cn/latest/getting_started/inference.html 。

于是便想测试一下，它的批量推理速度有多快。本文实现了 下述两种的大模型推理，并对比了他们速度差别：

• LLamafactory API 部署，并通过 python 异步调用；
• LLamafactory 批量推理；

数据集构造

LLamafactory 批量推理的数据集，需要在 data/dataset_info.json 文件中完成注册。

build_dataset.ipynb:

import json
import random
from typing import Listdef generate_arithmetic_expression(num: int):# 定义操作符和数字范围，除法operators = ["+", "-", "*"]expression = (f"{random.randint(1, 100)} {random.choice(operators)} {random.randint(1, 100)}")num -= 1for _ in range(num):expression = f"{expression} {random.choice(operators)} {random.randint(1, 100)}"result = eval(expression)expression = expression.replace("*", "x")return expression, resultdef trans2llm_dataset(texts: List[str],labels: List[str],output_file,instruction="",prompt_template="",replace_kw="",
):data = []for text, label in zip(texts, labels):if replace_kw and prompt_template:text = prompt_template.replace(replace_kw, text)d = {"instruction": instruction,"input": text,"output": label,}data.append(d)with open(output_file, "w", encoding="utf-8") as f:json.dump(data, f, ensure_ascii=False, indent=2)prompt_template = """你是一名擅长数学运算的助手，负责逐步推理并解决四则运算问题。请按照以下步骤进行：1. 阅读并理解问题。2. 分步计算，逐步解决问题。3. 给出最终的结果。4. 按照 JSON 格式输出结果，包括：- reason: 详细的推理过程。- infer: 最终的计算结果。问题：{question}请给出分析和结果。""".strip()texts = []
labels = []for _ in range(100):text, label = generate_arithmetic_expression(2)texts.append(text)labels.append(label)trans2llm_dataset(texts=texts,labels=labels,output_file="calculate.json",prompt_template=prompt_template,replace_kw="{question}",
)

上述程序运行后，得到了下图所示的数据集：

把该数据集在dataset_info.json中使用绝对路径注册：

LLamafactory 批量推理

yaml 参数设置

# examples/train_lora/llama3_lora_predict.yaml
### model
model_name_or_path: meta-llama/Meta-Llama-3-8B-Instruct
adapter_name_or_path: saves/llama3-8b/lora/sft# deepspeed: examples/deepspeed/ds_z3_config.yaml # deepspeed配置文件### method
stage: sft
do_predict: true
finetuning_type: lora### dataset
# eval_dataset: identity,alpaca_en_demo
eval_dataset: calculate
template: qwen
cutoff_len: 1024
# max_samples: 50
overwrite_cache: true
preprocessing_num_workers: 16### output
output_dir: 模型预测结果的输出路径
overwrite_output_dir: true### eval
per_device_eval_batch_size: 1
predict_with_generate: true
ddp_timeout: 180000000

参数介绍：

• eval_dataset: identity,alpaca_en_demo
• max_samples: 50

eval_dataset 是待预测/评估的数据集，支持填写多个数据集;
max_samples 代表从数据集中随机采样的数量；若不填，默认是全部数据集;

批量推理启动

由于要用到数据集，为了使得LLaMA-Factory 能够找到该数据集，故要在LLaMA-Factory 项目路径下运行命令，不然就会报’data/dataset_info.json 找不到的错误：

ValueError: Cannot open data/dataset_info.json due to [Errno 2] No such file or directory: 'data/dataset_info.json'.

cd 切换到 LLaMA-Factory 项目路径下，确保当前路径有 data 文件夹：

cd xxx/.../LLaMA-Factory

nohup llamafactory-cli train /绝对路径/csdn/24/11/llamafactory_batch_infer/batch_infer.yaml

但是 llamafactory 的批量推理不支持 vllm，所以推理速度有点慢，甚至还不如异步的API调用。

100%|██████████| 100/100 [04:42<00:00, 2.82s/it]

下述批量推理完，输出的结果：

使用批量推理的会输出一些文件：

预测结果保存在 predict_results.json中：

{"prompt": "system\nYou are a helpful assistant.\nuser\n你是一名擅长数学运算的助手，负责逐步推理并解决四则运算问题。请按照以下步骤进行：\n\n    1. 阅读并理解问题。\n    2. 分步计算，逐步解决问题。\n    3. 给出最终的结果。\n    4. 按照 JSON 格式输出结果，包括：\n    - reason: 详细的推理过程。\n    - infer: 最终的计算结果。\n\n    问题：58 + 15 + 17\n    请给出分析和结果。\nassistant\n", "label": "90", "predict": "```json\n{\n    \"reason\": \"首先，我们需要解决加法问题58 + 15 + 17。我们可以按照从左到右的顺序逐步计算。首先，计算58 + 15，得到73。然后，将73与17相加，最终结果是90。\",\n    \"infer\": 90\n}\n```"}
{"prompt": "system\nYou are a helpful assistant.\nuser\n你是一名擅长数学运算的助手，负责逐步推理并解决四则运算问题。请按照以下步骤进行：\n\n    1. 阅读并理解问题。\n    2. 分步计算，逐步解决问题。\n    3. 给出最终的结果。\n    4. 按照 JSON 格式输出结果，包括：\n    - reason: 详细的推理过程。\n    - infer: 最终的计算结果。\n\n    问题：7 + 35 + 9\n    请给出分析和结果。\nassistant\n", "label": "51", "predict": "```json\n{\n  \"reason\": \"首先，我们从左到右依次进行加法运算。首先计算7加35，得到42。然后将42加上9，得到最终结果51。\",\n  \"infer\": 51\n}\n```"}
{"prompt": "system\nYou are a helpful assistant.\nuser\n你是一名擅长数学运算的助手，负责逐步推理并解决四则运算问题。请按照以下步骤进行：\n\n    1. 阅读并理解问题。\n    2. 分步计算，逐步解决问题。\n    3. 给出最终的结果。\n    4. 按照 JSON 格式输出结果，包括：\n    - reason: 详细的推理过程。\n    - infer: 最终的计算结果。\n\n    问题：92 - 50 + 48\n    请给出分析和结果。\nassistant\n", "label": "90", "predict": "```json\n{\n    \"reason\": \"首先，我们需要按照数学中的运算顺序规则来解决这个问题。这个问题中只包含加法和减法，没有乘除运算，所以我们按照从左到右的顺序进行计算。首先执行92减去50，得到42。然后将得到的结果42加上48，最终结果为90。\",\n    \"infer\": 90\n}\n```"}

LLamafactory API 部署

可以，参考我们的前一篇文章，关于 python 异步调用 API 的文章。

• 大模型 API 异步调用优化：高效并发与令牌池设计实践
  .https://blog.csdn.net/sjxgghg/article/details/143858730
• LLamafactory API部署与使用异步方式 API 调用优化大模型推理效率
  .https://blog.csdn.net/sjxgghg/article/details/144049692

完成 大模型 API 的部署：

llamafactory-cli api vllm_api.yaml 

100%|██████████| 100/100 [00:14<00:00, 6.76it/s]

由于 llamafactory 的批量推理不支持 vllm ，所以导致速度很慢，100条数据推理完，总计用时4分吧42秒。

而使用 异步的 API 调用的方式，仅仅用时14秒，就完成了100条数据的推理。

结论

lamafactory 的批量推理不支持 vllm 速度很慢。还是建议 lamafactory 把大模型部署成 API 服务，使用异步的调用API更快一点。

当然最快的还是使用 vllm 批量推理，这样会麻烦一些。使用 vllm 针对大模型进行推理会有一些繁琐的配置。比如参考：llama-factory SFT 系列教程 (四)，lora sft 微调后，使用vllm加速推理
.https://blog.csdn.net/sjxgghg/article/details/137993809

我个人喜欢的流程是：

1. 使用 LLamafactory 微调模型；
2. LLamafactory vllm api 部署模型；
3. 使用异步调用 API。

项目开源

https://github.com/JieShenAI/csdn/tree/main/24/11/llamafactory_batch_infer

• vllm_api.yaml 是 llamafactory API部署，供API异步调用的配置
• build_dataset.ipynb 构建数据集
• async_infer.ipynb 异步调用调试代码，因为 .ipynb 运行异步有点麻烦
• async_infer.py 异步调用的代码