本期視頻將會(huì)給人工智能愛(ài)好者們帶來(lái)超級(jí)震撼！

視頻中，我們將深入了解利用GPU加速在Orange Pi 5上跑LLMs的精彩世界。最近知乎上的一篇文章《利用GPU加速，在Orange Pi上跑LLMs》引起了我們的注意，這篇文章主要展示了GPU加速的LLM在嵌入式設(shè)備上以合適的速度順利運(yùn)行。具體來(lái)說(shuō)，是在Orange Pi 5（8G）上，作者通過(guò)機(jī)器學(xué)習(xí)編譯（MLC）技術(shù)，實(shí)現(xiàn)了Llama2-7b以2.5 toks/sec的速度運(yùn)行，RedPajama-3b以5 toks/sec運(yùn)行。此外，還在16GB版本的Orange Pi 5上以1.5 tok/sec的速度運(yùn)行Llama-2 13b模型。

下面我們看看他們是如何做到的：

背景

開(kāi)放語(yǔ)言模型的進(jìn)步已經(jīng)催生了跨問(wèn)題回答、翻譯和創(chuàng)意任務(wù)的創(chuàng)新。雖然當(dāng)前的解決方案需要高端的桌面GPU甚至服務(wù)器級(jí)別的GPU來(lái)實(shí)現(xiàn)滿(mǎn)意的性能。但為了使LLM日常使用，我們想了解我們?nèi)绾卧诹畠r(jià)的嵌入式設(shè)備上部署它們。

許多嵌入式設(shè)備配備了移動(dòng)GPU（例如Mali GPU）可以用來(lái)加速LLM的運(yùn)行速度。在這篇文章中，我們選擇了Orange Pi 5，這是一個(gè)基于RK3588的開(kāi)發(fā)板，與Raspberry Pi相似，但也配備了更強(qiáng)大的Mali-G610 GPU。這篇文章總結(jié)了我們首次嘗試?yán)脵C(jī)器學(xué)習(xí)編譯，并為該設(shè)備提供了開(kāi)箱即用的GPU加速。

面向Mali GPU的機(jī)器學(xué)習(xí)編譯

機(jī)器學(xué)習(xí)編譯（MLC）是一種新興技術(shù)，它自動(dòng)編譯和優(yōu)化機(jī)器學(xué)習(xí)工作負(fù)載，并將編譯后的工作負(fù)載部署到廣泛的后端。在寫(xiě)作時(shí)，基于Apache TVM Unity，MLC支持的平臺(tái)包括瀏覽器（WebGPU, WASM）、NVIDIA GPU（CUDA）、AMD GPU（ROCm, Vulkan）、Intel GPU（Vulkan）、iOS和MacBooks（Metal）、Android（OpenCL）以及Mali GPU（本文）。

基于通用機(jī)器學(xué)習(xí)編譯實(shí)現(xiàn)Mali代碼生成

展開(kāi)全文

MLC是建立在Apache TVM Unity之上的，這是一個(gè)用于在不同硬件和后端上編譯機(jī)器學(xué)習(xí)模型的通用軟件棧。為了將LLM編譯到Mali GPU上，我們復(fù)用了所有現(xiàn)有的編譯流程，沒(méi)有進(jìn)行任何代碼優(yōu)化。更具體地說(shuō)，我們成功地部署了Llama-2和RedPajama模型，采取了以下步驟：

·復(fù)用了模型優(yōu)化步驟，包括量化、融合、布局優(yōu)化等；

· 復(fù)用了在TVM TensorIR中的定義的通用GPU內(nèi)核優(yōu)化空間，并將其重新運(yùn)用在到Mali GPU；

·復(fù)用了基于TVM的OpenCL 代碼生成后端，并將其重新運(yùn)用在到Mali GPU；

·復(fù)用了現(xiàn)有的用戶(hù)界面，包括Python API、CLI和REST API。

運(yùn)行方法

本節(jié)提供了一個(gè)分步運(yùn)行指南，以便您可以在自己的Orange Pi設(shè)備上嘗試它。這里我們使用RedPajama-INCITE-Chat-3B-v1-q4f16_1作為運(yùn)行示例。您可以用Llama-2-7b-chat-hf-q4f16_1或Llama-2-13b-chat-hf-q4f16_1（需要16GB的板）來(lái)替換它。

準(zhǔn)備工作

請(qǐng)首先按照這里的指示，為RK3588板設(shè)置OpenCL驅(qū)動(dòng)程序。然后從源代碼克隆MLC-LLM，并下載權(quán)重和預(yù)構(gòu)建的庫(kù)。

# clone mlc-llm from GitHub

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

# Download prebuilt weights and libs

git lfs install

mkdir -p dist/prebuilt cd dist/prebuilt

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

git clone https://huggingface.co/mlc-ai/mlc-chat-RedPajama-INCITE-Chat-3B-v1-q4f16_1

cd ../../..

使用CLI

從源代碼編譯mlc_llm_cli

cd mlc-llm/

# create build directory

mkdir -p build cd build

# generate build configuration

python3 ../cmake/gen_cmake_config.py

# build `mlc_chat_cli`

cmake .. cmake --build . --parallel $(nproc) cd ..

驗(yàn)證是否編譯成功

# expected to see `mlc_chat_cli`, `libmlc_llm.so` and `libtvm_runtime.so`

ls -l ./build/

# expected to see help message

./build/mlc_chat_cli --help

使用mlc_llm_cli運(yùn)行LLM

./build/mlc_chat_cli --local-id RedPajama-INCITE-Chat-3B-v1-q4f16_1 –device mali

CLI 運(yùn)行截圖

使用Python API

編譯TVM runtime（無(wú)需編譯完整TVM編譯器）

# clone from GitHub

git clone --recursive https://github.com/mlc-ai/relax.git tvm_unity cd tvm_unity/

# create build directory

mkdir -p build cd build

# generate build configuration

cp ../cmake/config.cmake . echo "set(CMAKE_BUILD_TYPE RelWithDebInfo)\nset(USE_OPENCL ON)" config.cmake

# build `mlc_chat_cli`

cmake .. cmake --build . --target runtime --parallel $(nproc) cd ../..

設(shè)置PYTHONPATH（可按需添加到bashrc或zshrc）

export TVM_HOME=$(pwd)/tvm_unity

export MLC_LLM_HOME=$(pwd)/mlc-llm

export PYTHONPATH=$TVM_HOME/python:$MLC_LLM_HOME/python:${PYTHONPATH}

運(yùn)行下列Python腳本

from mlc_chat import ChatModule

from mlc_chat.callback import StreamToStdout

cm = ChatModule(model="RedPajama-INCITE-Chat-3B-v1-q4f16_1")

# Generate a response for a given prompt

output = cm.generate(

prompt="What is the meaning of life?",

progress_callback=StreamToStdout(callback_interval=2),)

# Print prefill and decode performance statistics

print(f"Statistics: {cm.stats()}\n")

評(píng)論區(qū)Hihg翻了！

這篇文章同時(shí)發(fā)表 Hacker News。在人工智能評(píng)論區(qū)，大家的討論熱鬧非凡，令人目不暇接。他們熱烈地討論Orange Pi 5的硬件選項(xiàng)和可擴(kuò)展性，感嘆如此強(qiáng)大的模型，如此實(shí)惠的價(jià)格，將改變游戲規(guī)則，認(rèn)為這一突破將為預(yù)算有限的人工智能愛(ài)好者帶來(lái)了新的可能性。

“這一功能強(qiáng)大的工具使得在Orange Pi 5等設(shè)備上充分發(fā)揮人工智能的潛力變得前所未有的簡(jiǎn)單。對(duì)于開(kāi)發(fā)者和業(yè)余愛(ài)好者來(lái)說(shuō)，這都是一個(gè)改變游戲規(guī)則的工具?！?/p>

“通過(guò) GPU加速語(yǔ)言模型編譯，Orange Pi 5 已被證明是一款經(jīng)濟(jì)實(shí)惠的人工智能利器。這款設(shè)備擁有令人驚嘆的速度，能以極低的成本運(yùn)行高性能模型，正在徹底改變?nèi)斯ぶ悄茴I(lǐng)域?！?/p>

我們欣喜地可以看到，Orange Pi 5正在以其強(qiáng)大的人工智能能力讓越來(lái)越多的人工智能愛(ài)好者加入到創(chuàng)新、創(chuàng)意的世界，不斷進(jìn)行新的實(shí)踐和探索。