开源模型应用落地-qwen-7b-chat与vllm实现推理加速的正确姿势（一）

一、前言

    基于真实生产级项目分享，帮助有需要的同学快速构建完整可交付项目

    项目流程包括（去掉业务部分）：

1.   开源模型测试，包括baichuan、qwen、chatglm、bloom
2.   数据爬取及清洗
3.   模型微调及评估
4.   搭建AI交互能力
5.   搭建IM交互能力
6.   搭建违禁词识别能力
7.   优化模型推理速度
8.   增强模型长期记忆能力

二、术语介绍

    2.1. vLLM

    vLLM是一个开源的大模型推理加速框架，通过PagedAttention高效地管理attention中缓存的张量，实现了比HuggingFace Transformers高14-24倍的吞吐量。

    2.2. qwen-7b

    通义千问-7B（Qwen-7B） 是阿里云研发的通义千问大模型系列的70亿参数规模的模型。 

    2.3.Anaconda

    Anaconda（官方网站）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。

三、构建环境

    3.1. 基础环境及前置条件

1.  操作系统：centos7
2.  Tesla V100-SXM2-32GB  CU