趋动云平台部署LLaMA2模型过程展示_llama torchrun --nproc_per_node

1、部署平台

本项目部署平台为趋动云，趋动云平台是一款一站式全流程人工智能平台。
平台打通模型开发与训练，原生支持多机多卡训练环境，优化 AI 场景下 IO 吞吐、持久化、结构化维护模型生产信息，优化数据资源共享路径，最终提高平台整体资源利用率，消除信息孤岛，大幅提高 AI 算法工程师工作效率，使其聚焦于算法与模型开发的核心工作，利用有限的资源更快挖掘商业价值与远见洞察。

2、项目准备

2.1、准备代码、模型

2.1.1、代码获取

从GitHub中Facebook官方项目中下载或命令行拉取：

git clone -b llama_v2 https://github.com/facebookresearch/llama.git
1

clone 的代码目录名为llama，为方便后续命令可直接复制执行，建议修改为llama2后再打包上传到平台。

2.1.2、模型文件获取

平台中已经预置了 llama-2-7B、llama-2-7B-chat 模型文件，创建项目时可选择直接挂载。

3、创建项目

3.1、在右上角“项目”中，单击“创建项目”

3.2、填写必要信息

项目名称：可自定义，如 “LLaMA2-7b_demo”。
代码：选择本地代码（见2.1.1）。
镜像：选择官方镜像 PyTorch 2.0.1（PyTorch1.10以上的镜像均可）。
模型：选择公开下的 llama-2-7b 和 llama-2-7b-chat（作者均为“趋动云小助手”）。
最后，点击“创建”。

创建项目后，会立刻出现上传代码弹窗：

将之前下载到本地的代码上传，单击“确定”，则代码上传成功！
然后，单击左侧导航栏的“数据”选项：

可以查看挂载的具体模型及其挂载的路径：

4、环境准备

4.1、左侧导航栏选择“开发”，随后单击“初始化开发环境实例”

此过程需要填写开发环境相关配置，然后点击“确定”。

4.2、安装第三方包/工具

官方镜像PyTorch2.0.1中虽已预置 AI 常用工具及依赖包，但要加载LLaMA2，还需补充安装相关包。首先进入开发环境：

切换至网页终端：

并执行如下命令：

cd llama2 && \
pip install -r requirements.txt -i https://pypi.virtaicloud.com/repository/pypi/simple && \
pip install .
1
2
3

安装过可能需要等待一小段时间，等待约 1 分钟执行完，执行过程中无 error 报错，则安装成功。

5、运行LLaMA2

LLaMA2 提供了两个推理体验的 demo，可以分别进行体验。

1. 句子补全：基于基础模型（llama-2-7b），使用 example_text_completion.py 代码加载模型进行推理。
2. 对话生成：基于微调后的对话模型（llama-2-7b-chat），使用 example_chat_completion.py 代码加载模型进行推理。

推理：代码中已提供了默认输入，直接在网页终端执行下述命令，会按默认输入加载模型并推理。当然，也可以修改输入。

5.1、句子补全

torchrun --nproc_per_node 1 example_text_completion.py --ckpt_dir /gemini/pretrain/llama-2-7b/ --tokenizer_path /gemini/pretrain/tokenizer.model
1

5.2、对话生成

torchrun --nproc_per_node 1 example_chat_completion.py --ckpt_dir /gemini/pretrain2/llama-2-7b-chat/ --tokenizer_path /gemini/pretrain2/tokenizer.model
1

上述命令参数含义：

torchrun：是 PyTorch 提供的用于分布式训练的命令行工具。
–nproc_per_node：指定在每个节点上使用 GPU 的个数。该参数与模型大小存在严格对应关系：

–ckpt_dir：指定所使用的模型。
–tokenizer_path：指定 tokenizer 的路径。

5.3、执行结果

句子补全：

对话生成：
对话生成需要预先加载llama-2-7b-chat模型，部署过程与llama2-7b完全一致，本次不做展示。

因代码文件（example_text_completion.py 和 example_chat_completion.py）中已明确了 “文本补全” 和 “对话” 的输入，因此模型按照既有输入推理并返回结果，如上述执行结果所示。
如果想按照用户自己指定的输入给出推理，可以修改代码文件中相应的输入。