跳到主要内容

Llama3 Chatbot-TPU

Llama3 ChatBot-TPU 是使用 Sophon SDK 将 Meta 开源 Llama3 模型移植到 SG2300X 芯片系列产品上，使其能利用本地 TPU 进行硬件加速推理，并使用 Gradio 设计成聊天机器人, 用户可以向其询问一些实际问题

Llama3 部署

克隆仓库

git clone https://github.com/zifeng-radxa/LLM-TPU.git

打开 Llama3 项目路径
```
cd LLM-TPU/models/Llama3/python_demo
```
本案例提供 Llama-3-8B-Instruct 4bit 量化模型 llama3-8b_int4_1dev_512.bmodel 与 C++ 预编译文件下载

用户可以参考 Llama3 模型转换自行转换不同量化方式的 Llama3 模型

用户可以参考 Llama3 cpython 文件编译自行编译 cpython 接口绑定文件
```
# llama3-8b_int4_1dev_512.bmodel
wget https://github.com/radxa-edge/TPU-Edge-AI/releases/download/llama3/tar_downloader.sh
bash tar_downloader.sh
tar --strip-components=1 -xvf llama3-8b_int4_1dev_512.tar.gz
```
配置环境

必须创建虚拟环境，否则可能会影响其他应用的正常运行，虚拟环境使用请参考这里
```
python3 -m virtualenv .venv
source .venv/bin/activate
```

安装依赖包

pip3 install --upgrade pip
pip3 install -r requirements.txt

导入环境变量

请使用 ldd 命令检查 chat.cpython-38-aarch64-linux-gnu.so 链接的 libbmlib.so 的路径是否为 LLM-TPU/support/lib_soc/libbmlib.so

如 libbmlib.so 链接路径有误可运行下面的命令
```
export LD_LIBRARY_PATH=LLM-TPU/support/lib_soc:$LD_LIBRARY_PATH
```
启动 Llama3

(可选) 修改 Llama3 输出语言或角色扮演, 请参考修改 Llama3 背景信息

终端模式
```
python3 pipeline.py -m ./llama3-8b_int4_1dev_512.bmodel -t ../token_config
```
-m：指定模型路径

-t：指定 token_config 文件夹路径

Gradio 模式
```
python3 web_demo.py -m ./llama3-8b_int4_1dev_512.bmodel -t ../token_config
```
-m：指定模型路径

-t：指定 token_config 文件夹路径浏览器访问 Airbox ip 地址的 8003 端口

Llama3 模型转换

用户可以参考本文自行转换不同量化类型的 Llama3 模型到 bmodel

X86 工作站中准备环境

请参考 TPU-MLIR 安装配置 TPU-MLIR 环境

克隆仓库
```
git clone https://github.com/zifeng-radxa/LLM-TPU.git
```
通过 Huggingface 填写申请表下载 Llama3 开源模型

在工作目录 LLM-TPU/models/Llama3 中创建虚拟环境

虚拟环境使用请参考这里

python3 -m virtualenv .venv
source .venv/bin/activate
pip3 install --upgrade pip
pip3 install -r requirements.txt

对齐模型环境

将 LLM-TPU/models/Llama3/compile/files/Meta-Llama-3-8B-Instruct/modeling_llama.py 复制到 transformers 库中, 注意此时 transformers 库应在 .venv 里
```
cp ./compile/files/Meta-Llama-3-8B-Instruct/modeling_llama.py .venv/lib/python3.10/site-packages/transformers/models/llama/modeling_llama.py
```
同时将 ./compile/files/Meta-Llama-3-8B-Instruct/config.json 替换下载好的 Llama-3-8B-Instruct 路径下的同名文件。
生成 onnx 文件

提示
请使用 torch==1.12.0
```
cd compile
python export_onnx.py --model_path your_model_path --seq_length 512
```
--model_path：是下载的 meta llama3 文件夹路径

--seq_length：是固定导出的 sequence length, 根据需要可选 512, 1024，2048 等长度
生成 bmodel 文件

生成 bmodel 之前需要退出虚拟环境
```
deactivate
```
编译模型
```
./compile.sh --mode int4 --name llama3-8b --seq_length 512 # same as int8
```
--mode：量化模式，可选 int4, int8

--seq_length：序列长度，需和生成 onnx 文件时指定相同 seq_length

--name：模型名称，此处必须为 llama3-8b

生成 bmodel 耗时大概 2 小时以上，建议 64G 内存以及 200G 以上硬盘空间，不然很可能 OOM 或者 no space left

Llama3 cpython 文件编译

在 Airbox 中编译可执行文件, 预编译文件已经包含在 llama3-8b_int4_1dev_512.tar.gz 下载包中，如已下载无需编译

cd python_demo
mkdir build
cd build
cmake ..
make
cp *chat* ..

修改 Llama3 背景信息

用户可以通过修改 Llama3 初始化背景信息，将 Llama3 换成不同角色扮演或不同语言输出，默认是英文 AI 助手 You are Llama3, a helpful AI assistant.

用户修改 LLM-TPU/models/Llama3/python_demo/pipeline.py 中的 system_prompt 来初始化 Llama3

例如，将Llama3 换成中文输出可以是

self.system_prompt = '你是 Llama3，一个中文 AI 助手，你的回答都需要用中文回答'

将 Llama3 换成有趣的角色扮演

self.system_prompt = '你是 Llama3，你是一个总是用中文海盗语回应的海盗聊天机器人'

Llama3 部署
Llama3 模型转换
Llama3 cpython 文件编译
修改 Llama3 背景信息