快手刷评论推广网站,自定义页面设计模板,建筑设计学校排名,wordpress 交叉导航一、目录
1 框架 2. 入门 3. 安装教程 4. 相关文档、案例阅读
二、实现
1 框架#xff1a;Ray#xff1a;将一个模型拆分到多个显卡中#xff0c;实现分布式预测、训练等功能。 2. 入门 #xff1a; 案例#xff1a;通过ray 实现分布式部署#xff0c;分布式推理服务。…一、目录
1 框架 2. 入门 3. 安装教程 4. 相关文档、案例阅读
二、实现
1 框架Ray将一个模型拆分到多个显卡中实现分布式预测、训练等功能。 2. 入门 案例通过ray 实现分布式部署分布式推理服务。 参考https://zhuanlan.zhihu.com/p/647973148?utm_id0 文件名test.py pip install ray pip install “ray[serve]”
import pandas as pdimport ray
from ray import serve
from starlette.requests import Requestserve.deployment(ray_actor_options{num_gpus: 2}) #两个gpu 将模型拆分进行推理
class PredictDeployment:def __init__(self, model_id: str):from transformers import AutoModelForCausalLM, AutoTokenizerimport torchself.model AutoModelForCausalLM.from_pretrained(model_id,torch_dtypetorch.float16,device_mapauto,)self.tokenizer AutoTokenizer.from_pretrained(model_id)def generate(self, text: str) - pd.DataFrame:input_ids self.tokenizer(text, return_tensorspt).input_ids.to(self.model.device)gen_tokens self.model.generate(input_ids,temperature0.9,max_length200,)return pd.DataFrame(self.tokenizer.batch_decode(gen_tokens), columns[responses])async def __call__(self, http_request: Request) - str: #异步实现http 框架json_request: str await http_request.json()print(json_request)promptjson_request[0]return self.generate(prompt[text])deployment PredictDeployment.bind(model_idhuggyllama/llama-13b)运行 serve run test:deployment #后台启动的 后台关闭指令 serve shutdown 测试
import requests
sample_input {text: Funniest joke ever:}
output requests.post(http://localhost:8000/, json[sample_input]).json()
print(output)安装教程 pip install ray 依赖环境https://github.com/ray-project/ray相关文档、案例阅读 网址 https://github.com/ray-project/ray 文档-案例https://docs.ray.io/en/latest/serve/index.html
