三步完成在英特尔独立显卡上量化和部署ChatGLM3-6B模型

作者: 英特尔边缘计算创新大使  刘力；

1.1  ChatGLM3-6B简介

ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型，在填写问卷进行登记后亦允许免费商业使用。

引用自：https://github.com/THUDM/ChatGLM3

请使用命令，将ChatGLM3-6B模型下载到本地(例如，保存到D盘)：

git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git

1.2  BigDL-LLM简介

BigDL-LLM是开源，遵循Apache 2.0许可证，专门用于在英特尔的硬件平台上加速大语言模型（Large Language Model, LLM）推理计算的软件工具包。它是在原有的BigDL框架基础上，为了应对大语言模型在推理过程中对性能和资源的高要求而设计的。BigDL-LLM旨在通过优化和硬件加速技术来提高大语言模型的运行效率，减少推理延迟，并降低资源消耗。

GitHub：GitHub - intel-analytics/BigDL: Accelerate LLM with low-bit (FP4 / INT4 / FP8 / INT8) optimizations using bigdl-llm

本文将详细介绍基于BigDL-LLM在英特尔独立显卡上量化和部署ChatGLM3-6B模型。

1.3  部署平台简介：

算力魔方是一款可以DIY的迷你主机，采用了抽屉式设计，后续组装、升级、维护只需要拔插模块。

通过选择计算模块的版本，再搭配不同额 IO 模块可以组成丰富的配置，适应不同场景。性能不够时，可以升级计算模块提升算力， IO 接口不匹配时，可以更换 IO 模块调整功能，而无需重构整个系统。本文在带有A380独立显卡的算力魔方上完成验证。

1.4  在英特尔独立显卡上部署ChatGLM3-6B

1.4.1 搭建开发环境

第一步：请下载并安装Visual Studio 2022 Community Edition。安装时务必选择“使用C++的桌面开发”。注意：不要修改默认安装路径！

下载链接：https://visualstudio.microsoft.com/zh-hans/downloads/

第二步：请下载并安装英特尔独立显卡驱动程序。下载链接：https://www.intel.cn/content/www/cn/zh/download/785597/intel-arc-iris-xe-graphics-windows.html。

第三步：请下载并安装Intel® oneAPI Base Toolkit。下载链接：https://www.intel.com/content/www/us/en/developer/tools/oneapi/base-toolkit-download.html。

第四步：请下载并安装Anaconda，然后用下面的命令创建名为“bigdl”的虚拟环境。

conda create -n bigdl python=3.9 libuv

conda activate bigdl

1.4.2  第二步，安装BigDL-LLM[xpu]

第一步：用下载器(例如：迅雷)下载*.whl安装包到本地。下载链接：

https://intel-extension-for-pytorch.s3.amazonaws.com/ipex_stable/xpu/torch-2.1.0a0%2Bcxx11.abi-cp39-cp39-win_amd64.whl

https://intel-extension-for-pytorch.s3.amazonaws.com/ipex_stable/xpu/torchvision-0.16.0a0%2Bcxx11.abi-cp39-cp39-win_amd64.whl

https://intel-extension-for-pytorch.s3.amazonaws.com/ipex_stable/xpu/intel_extension_for_pytorch-2.1.10%2Bxpu-cp39-cp39-win_amd64.whl

第二步：执行命令：

​# 从本地安装已下载的.whl安装包

pip install torch-2.1.0a0+cxx11.abi-cp39-cp39-win_amd64.whl

pip install torchvision-0.16.0a0+cxx11.abi-cp39-cp39-win_amd64.whl

pip install intel_extension_for_pytorch-2.1.10+xpu-cp39-cp39-win_amd64.whl

# 安装支持英特尔显卡的bigdl-llm

pip install --pre --upgrade bigdl-llm[xpu] -i Simple Index

​

详情参考：https://bigdl.readthedocs.io/en/latest/doc/LLM/Overview/install_gpu.html

1.4.3  第三步：运行范例程序

首先：执行命令，配置环境变量：

conda activate bigdl

call "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"

set SYCL_CACHE_PERSISTENT=1

set BIGDL_LLM_XMX_DISABLED=1

若系统中有集成显卡，请执行下面的命令，保证英特尔独立显卡是“xpu”指代的计算设备，详情参考：https://github.com/intel-analytics/BigDL/issues/9768

set ONEAPI_DEVICE_SELECTOR=level_zero:1

然后，请下载范例程序并运行：https://gitee.com/Pauntech/chat-glm3/blob/master/chatglm3_infer_gpu.py

import time

from bigdl.llm.transformers import AutoModel

from transformers import AutoTokenizer

import intel_extension_for_pytorch as ipex

import torch

CHATGLM_V3_PROMPT_FORMAT = "<|user|>\n{prompt}\n<|assistant|>"

# 请指定chatglm3-6b的本地路径

model_path = "d:/chatglm3-6b"

# 载入ChatGLM3-6B模型并实现INT4量化

model = AutoModel.from_pretrained(model_path,

                                  load_in_4bit=True,

                                  trust_remote_code=True)

# run the optimized model on Intel GPU

model = model.to('xpu')

# 载入tokenizer

tokenizer = AutoTokenizer.from_pretrained(model_path,

                                          trust_remote_code=True)

# 制作ChatGLM3格式提示词    

prompt = CHATGLM_V3_PROMPT_FORMAT.format(prompt="What is Intel?")

# 对提示词编码

input_ids = tokenizer.encode(prompt, return_tensors="pt")

input_ids = input_ids.to('xpu')

st = time.time()

# 执行推理计算，生成Tokens

output = model.generate(input_ids,max_new_tokens=32)

end = time.time()

# 对生成Tokens解码并显示

output_str = tokenizer.decode(output[0], skip_special_tokens=True)

print(f'Inference time: {end-st} s')

print('-'*20, 'Prompt', '-'*20)

print(prompt)

print('-'*20, 'Output', '-'*20)

print(output_str)

运行结果，如下所示：

1.4.4  运行ChatGLM3-6B WebUI demo

首先，请先安装依赖软件包：

​pip install gradio mdtex2html streamlit -i Simple Index

​

然后，运行命令，配置环境变量：

conda activate bigdl

call "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"

set SYCL_CACHE_PERSISTENT=1

set BIGDL_LLM_XMX_DISABLED=1

若系统中有集成显卡，请执行下面的命令，保证英特尔独立显卡是“xpu”指代的计算设备，详情参考：https://github.com/intel-analytics/BigDL/issues/9768

set ONEAPI_DEVICE_SELECTOR=level_zero:1

最后，请下载范例程序：https://gitee.com/Pauntech/chat-glm3/blob/master/chatglm3_web_demo_gpu.py

并运行：

streamlit run chatglm3_web_demo_gpu.py

运行结果如下：

观看视频

1.5  总结

BigDL-LLM工具包简单易用，仅需三步即可完成开发环境搭建、bigdl-llm[xpu]安装以及ChatGLM3-6B模型的INT4量化以及在英特尔独立显卡上的部署。

作者介绍：

刘力，深圳市铂盛科技有限公司的创始人。带领团队成功设计了多种计算机系统，并申请了多项专利和软件著作，铂盛科技为国家高新技术企业，深圳市专精特新企业。铂盛通过整合算力和算法，打造软硬件一体化的AIPC解决方案，目前产品已在工业控制、智能机器人、教育、医疗、金融等多个边缘计算领域得到广泛应用。

联系方式

电话：13537819699

Email：[email protected]