Skip to content

Latest commit

 

History

History
106 lines (86 loc) · 4.87 KB

README.md

File metadata and controls

106 lines (86 loc) · 4.87 KB
Raw

ChatGLM4

目录

1. 简介

ChatGLM4-9B 是开源中英双语对话模型 ChatGLM 的第四代版本，关于它的特性，请前往源repo查看：https://huggingface.co/THUDM/glm-4-9b-chat。本例程对ChatGLM4-9B进行移植，使之能在SOPHON BM1684X上进行推理测试。

该例程支持在V24.04.01(libsophon_0.5.1)及以上的SDK上运行，支持在插有1684X加速卡(SC7系列)的x86主机上运行，也可以在1684X SoC设备（如SE7、SM7、Airbox等）上运行。在SoC上运行需要额外进行环境配置，请参照运行环境准备完成环境部署。

2. 特性

  • 支持BM1684X(x86 PCIe、SoC)
  • 支持INT8、INT4模型编译和推理
  • 支持基于SAIL推理的Python例程
  • 支持多轮对话

3. 运行环境准备

在PCIe上无需修改内存，以下为SoC模式相关： 对于1684X系列设备（如SE7/SM7），都可以通过这种方式完成环境准备，使得满足ChatGLM4运行条件。首先，在1684x SoC环境上，参考如下命令修改设备内存。

cd /data/
mkdir memedit && cd memedit
wget -nd https://sophon-file.sophon.cn/sophon-prod-s3/drive/23/09/11/13/DeviceMemoryModificationKit.tgz
tar xvf DeviceMemoryModificationKit.tgz
cd DeviceMemoryModificationKit
tar xvf memory_edit_{vx.x}.tar.xz #vx.x是版本号
cd memory_edit
./memory_edit.sh -p #这个命令会打印当前的内存布局信息
./memory_edit.sh -c -npu 7615 -vpu 3072 -vpp 3072 #npu也可以访问vpu和vpp的内存
sudo cp /data/memedit/DeviceMemoryModificationKit/memory_edit/emmcboot.itb /boot/emmcboot.itb && sync
sudo reboot

注意：

  1. tpu总内存为npu/vpu/vpp三者之和，int8模型应满足tpu内存 >= 7168MB，int4模型应满足tpu内存 >= 4608MB。
  2. 更多教程请参考SoC内存修改工具

4. 准备模型

该模型目前只支持在1684X上运行，已提供编译好的bmodel。

4.1 使用提供的模型

​本例程在scripts目录下提供了下载脚本download.sh

**注意：**在运行前，应该保证存储空间大于23GB。

# 安装unzip，若已安装请跳过，非ubuntu系统视情况使用yum或其他方式安装
sudo apt install unzip
chmod -R +x scripts/
./scripts/download.sh

执行下载脚本后，当前目录下的文件如下：

├── docs
│   └── ChatGLM4_Export_Guide.md    #ChatGLM4 onnx导出和bmodel编译指南
├── models
│   └── BM1684X                     #download.sh下载的bmodel
│       ├── glm4-9b_int4_1dev.bmodel
│       └── glm4-9b_int8_1dev.bmodel
├── python
│   ├── ChatGLM4.py                 #ChatGLM4 python推理脚本
│   ├── README.md                   #python例程执行指南
│   ├── requirements.txt            #python例程的依赖模块
│   └── token_config                #download.sh下载的tokenizer
│       ├── tokenization_chatglm.py
│       ├── tokenizer_config.json
│       └── tokenizer.model
├── README.md                       #ChatGLM4例程指南
├── scripts                         
│   ├── download.sh                 #下载脚本
│   └── gen_bmodel.sh               #模型编译脚本
└── tools
    ├── glm-4-9b-chat               #修改过的ChatGLM4源码
    │   ├── config.json
    │   └── modeling_chatglm.py
    └── export_onnx.py              #ChatGLM4导出onnx脚本。

4.2 自行编译模型

此部分请参考ChatGLM4模型导出与编译

5. 例程测试

6. 程序性能测试

这里的测试输入为："请使用C++写一段冒泡排序算法。"

测试平台 测试程序 测试模型 first token latency(s) token per second(tokens/s)
SE7-32 ChatGLM4.py ChatGLM4-9b_int8.bmodel 1.181 4.471
SE7-32 ChatGLM4.py ChatGLM4-9b_int4.bmodel 1.114 7.489

测试说明：

  1. 性能测试结果具有一定的波动性，建议多次测试取平均值；
  2. SE7-32的主控处理器为8核 ARM A53 42320 DMIPS @2.3GHz，PCIe上的性能由于处理器的不同可能存在较大差异；
  3. 这里使用的SDK版本是V24.04.01；