MLC-LLM大语言模型部署实战（基于CUDA）

1. 简介

MLC-LLM为5月初开源的一款基于Apache TVM Unity、专门用于在不同硬件设备上部署大语言模型的框架；
github仓库：https://github.com/mlc-ai/mlc-llm
MLC-LLM是一种在各类硬件上原生部署任意大语言模型的解决方案。按照所介绍的硬件平台支持类型如下：

按照docs中的教程，直接实操：

2.环境搭建

（1）首先确定你是要在什么平台使用mlc-llm做大模型部署；我这里使用的是Nvidia GPU，所以首先需要安装CUDA，这是必要的后端支持环境，成功安装好CUDA就可以进行下一步；

（2）安装TVM Unity：
有关于TVM Unity的技术策略介绍可以参考天奇大佬的介绍：https://discuss.tvm.apache.org/t/establish-tvm-unity-connection-a-technical-strategy/13344
TVM Unity是mlc-llm执行的必要依赖条件；所以需要事先安装它。
教程中提供了两种安装方案：
一种是通过预构建的包来安装：
预构建程序包地址：https://mlc.ai/package/
界面长这样，和目前主流的框架安装方式十分接近，选好你的设备平台、系统等，直接命令安装，非常方便；

安装完上面的包以后，执行:

python -c "import tvm; print(tvm.__file__)"
输出：/usr/local/lib/python3.11/site-packages/tvm/__init__.py
继续输入：
export TVM_HOME=/usr/local/lib/python3.11/site-packages/tvm/

如果安装正确，会在上述目录下包含libtvm.so的动态库。

另一种是从源码安装（推荐这种方法安装）：
首先系统中部分工具版本需要满足以下条件：

- CMake >= 3.18
- LLVM >= 15
- Git
- CUDA >= 11.8

然后从github下载TVM unity：

git clone https://github.com/mlc-ai/relax.git tvm-unity
cd tvm-unity
rm -rf build
mkdir build
cd build
cp ../cmake/config.cmake .
vim config.cmake

修改config.cmake，选择你需要依赖的平台，打开它，比如这里我是基于CUDA运行，所以我选择将USE_CUDA的OFF改为ON
此外set(USE_LLVM ON)必须为ON，其他选项可以自由选择。

修改好以后执行：

cmake ..
make -j4

编译完成，没有任何错误，会在build目录下生成libtvm.so和libtvm_runtime.so库文件，切记不要把这两个库移动出去了；
然后添加环境变量：

vim ~/.bashrc
在文件尾添加：
export TVM_HOME=/home/wangxu/tvm-unity
export PYTHONPATH=$TVM_HOME/python:$PYTHONPATH
保存退出；
source ~/.bashrc

最后验证一下，直接参考官方文档，上述步骤没发生错误一般不会出现问题：

（3）安装MLC-LLM CLI
依旧有两种方式：
一种是通过conda环境安装，当然也给了提醒，这种类型不支持CUDA !，对于我们使用CUDA来执行mlc-llm来说肯定不能选用此种方法，同样给出方法，很简单：

    conda create -n mlc-chat
    conda activate mlc-chat
    conda install -c mlc-ai -c conda-forge mlc-chat-nightly --force-reinstall

安装完成验证：

mlc_chat_cli --help

输出正常提示信息即可：

另一种方法通过源码安装：
首先从github拉取mlc-llm源码：

git clone https://github.com/mlc-ai/mlc-llm.git

切换成root权限，直接依次执行：

cd mlc-llm
mkdir -p build
bash scripts/prep_deps.sh
source "$HOME/.cargo/env"
python3 cmake/gen_cmake_config.py
cp config.cmake build
cd build
cmake ..
make -j4
sudo make install
ldconfig  

构建成功情况下，添加环境变量：

vim ~/.bashrc
# 依旧在行尾添加：
export PATH=/usr/local/bin:$PATH
exportLD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
# 保存退出
ldconfig 

验证：

mlc_chat_cli --help

和第一种方法输出信息一致即可。
mlc_chat_cli使用方法很简单，主要使用格式为：

mlc_chat_cli --local-id LOCAL_ID

这里的 local-id 其实就是模型名后面接上量化的格式，例如：

mlc_chat_cli --local-id RedPajama-INCITE-Chat-3B-v1-q4f16_0
mlc_chat_cli --local-id vicuna-v1-7b-q3f16_0

以上，环境搭建完成。

3.编译模型

（1）准备模型：

git lfs install
git clone https://huggingface.co/togethercomputer/RedPajama-INCITE-Chat-3B-v1 dist/models/RedPajama-INCITE-Chat-3B-v1

注意，这里将模型存放在/mlc-llm/dist/models路径下，后面拉取的每个模型都要放在此路径下，并且文件夹命名需要满足：
以（vicuna-, dolly-, stablelm-, redpajama-, moss-, open-llama-, rwkv-）命名开头；

（2）编译：
编译命令（需要在mlc-llm源码路径下执行下面命令）：

python3 build.py --model MODEL_NAME_OR_PATH --target TARGET_NAME --quantization QUANTIZATION_NAME [--max-seq-len MAX_ALLOWED_SEQUENCE_LENGTH] [--debug-dump] [--use-cache=0]

--model 模型文件夹名称
--target 目标后端平台
--quantization 量化方式

例：

python3 build.py --model RedPajama-INCITE-Chat-3B-v1 --target cuda --quantization q4f32_0

编译过程比较消耗运存，建议使用较大运存的设备进行编译，比如vicuna-7b-delta-v0编译可能最高能达到30多G；
编译完成会在mlc-llm/dist目录下生成MODEL_NAME-quant_type的文件夹，比如上面的命令生成的文件夹名称就为：
RedPajama-INCITE-Chat-3B-v1-q4f32_0

4.部署模型

上述编译完成后，依旧在mlc-llm源码路径下执行命令：

mlc_chat_cli --local-id RedPajama-INCITE-Chat-3B-v1-q4f32_0

接下来，和它对话就可以啦：