我們正邁入一個由大語言模型（Large Language Model, LLM）驅動的AI 新時代，LLM在諸如客戶服務、虛擬助理、內容創作、程式設計輔助等各類應用中正發揮著越來越重要的作用。
然而，隨著LLM 規模不斷擴大，運行大模型所需的資源消耗也越來越大，導致其運作也越來越慢，這給了AI 應用開發者相當大的挑戰。
為此，英特爾最近推出了一個名為BigDL-LLM[1]的大模型開源函式庫，可協助AI 開發者和研究者在英特爾® 平台上加速最佳化大語言模型，提升大語言模式在英特爾® 平台上的使用體驗。
以下就展示了使用BigDL-LLM 加速過的330 億參數的大語言模型Vicuna-33b-v1.3[2]在一台搭載英特爾® 至強® 鉑金8468 處理器的伺服器上運作的即時效果。
△在一台搭載英特爾® 至強® 鉑金8468 處理器的伺服器上運行330 億參數大語言模型的實際速度（即時錄影）
BigDL-LLM：Intel® 平台上的開源大語言模型加速函式庫
BigDL-LLM 是一個專注於最佳化和加速大型語言模型的開源庫，它是BigDL 的一部分，並遵循Apache 2.0 許可證發布
它提供了各種低精度優化（例如INT4/INT5/INT8），並可利用多種英特爾® CPU整合的硬體加速技術（AVX/VNNI/AMX 等）和最新的軟體最佳化，來賦能大語言模型在英特爾® 平台上實現更有效率的最佳化和更快速的運行。
BigDL-LLM 的一大重要特性是：對基於Hugging Face Transformers API 的模型，只需改動一行程式碼即可對模型進行加速，理論上可以支援運行任何 Transformers 模型，這對熟悉Transformers API 的開發者非常友善。
除了 Transformers API，許多人也會使用 LangChain 來開發大語言模型應用。
為此，BigDL-LLM 也提供便於使用的LangChain 的整合[3]，讓開發者能夠輕鬆使用BigDL-LLM 來開發新應用或遷移現有的、基於Transformers API 或LangChain API 的應用。
此外，對於一般的 PyTorch 大語言模型（沒有使用 Transformer 或 LangChain API 的模型），也可使用 BigDL-LLM optimize_model API 一鍵加速來提升效能。詳情請參閱 GitHub README[4]以及官方文件[5]。
BigDL-LLM 也提供了大量常用開源LLM的加速範例（e.g. 使用Transformers API 的範例[6]和使用LangChain API 的範例[7] ，以及教學（包括配套jupyter notebooks）[8] ，方便開發者快速上手嘗試。
安裝和使用：簡單的安裝過程和易用的API 介面
安裝BigDL-LLM 非常方便，只需執行以下命令即可：
pip install --pre --upgrade bigdl-llm[all]
登入後複製
#△若程式碼顯示不全，請左右滑動
使用BigDL-LLM對大模型進行加速也是非常容易的（這裡僅用Transformers 風格API 進行舉例）。
使用BigDL-LLM Transformer 風格API 對模型加速，只需要改變模型載入部分，後續使用過程與原生Transformers 完全一致。
而用BigDL-LLM API 載入模型的方式與Transformers API 也幾乎一致——用戶只需要更改import，在from_pretrained 參數中設定 load_in_4bit=True 即可。
BigDL-LLM將在模型載入過程中進行4位低精確度量化，並在後續的推理過程中利用各種軟硬體加速技術進行最佳化
#Load Hugging Face Transformers model with INT4 optimizationsfrom bigdl.llm. transformers import AutoModelForCausalLMmodel = AutoModelForCausalLM.from_pretrained('/path/to/model/', load_in_4bit=True)登入後複製
△#若程式碼顯示不全，請左右滑動
#
示例：快速实现一个基于大语言模型的语音助手应用
下文将以 LLM 常见应用场景“语音助手”为例，展示采用 BigDL-LLM 快速实现 LLM 应用的案例。通常情况下，语音助手应用的工作流程分为以下两个部分：
△图 1. 语音助手工作流程示意
- 语音识别——使用语音识别模型（本示例采用了 Whisper 模型[9] ）将用户的语音转换为文本；
- 文本生成——将 1 中输出的文本作为提示语 (prompt)，使用一个大语言模型（本示例采用了 Llama2[10] ）生成回复。
以下是本文使用 BigDL-LLM 和 LangChain[11] 来搭建语音助手应用的过程：
在语音识别阶段：第一步，加载预处理器 processor 和语音识别模型 recog_model。本示例中使用的识别模型 Whisper 是一个 Transformers 模型。
只需使用 BigDL-LLM 中的 AutoModelForSpeechSeq2Seq 并设置参数 load_in_4bit=True，就能够以 INT4 精度加载并加速这一模型，从而显著缩短模型推理用时。
#processor = WhisperProcessor .from_pretrained(recog_model_path)recog_model = AutoModelForSpeechSeq2Seq .from_pretrained(recog_model_path, load_in_4bit=True)
登入後複製
△若代码显示不全，请左右滑动
第二步，进行语音识别。首先使用处理器从输入语音中提取输入特征，然后使用识别模型预测 token，并再次使用处理器将 token 解码为自然语言文本。
input_features = processor(frame_data,sampling_rate=audio.sample_rate,return_tensor=“pt”).input_featurespredicted_ids = recogn_model.generate(input_features, forced_decoder_ids=forced_decoder_ids)text = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
登入後複製
△若代码显示不全，请左右滑动
在文本生成阶段，首先使用 BigDL-LLM 的 TransformersLLM API 创建一个 LangChain 语言模型（TransformersLLM 是在 BigDL-LLM 中定义的语言链 LLM 集成）。
可以使用这个 API 来加载 Hugging Face Transformers 的任何模型
llm = TransformersLLM . from_model_id(model_id=llm_model_path,model_kwargs={"temperature": 0, "max_length": args.max_length, "trust_remote_code": True},)登入後複製
△若代码显示不全，请左右滑动
然后，创建一个正常的对话链 LLMChain，并将已经创建的 llm 设置为输入参数。
# The following code is complete the same as the use-casevoiceassistant_chain = LLMChain(llm=llm, prompt=prompt,verbose=True,memory=ConversationBufferWindowMemory(k=2),)
登入後複製
△若代码显示不全，请左右滑动
以下代码将使用一个链条来记录所有对话历史，并将其适当地格式化为大型语言模型的输入。这样，我们可以生成合适的回复。只需将识别模型生成的文本作为 "human_input" 输入即可。代码如下：
response_text = voiceassistant_chain .predict(human_input=text, stop=”\n\n”)
登入後複製
△若代码显示不全，请左右滑动
最后，将语音识别和文本生成步骤放入循环中，即可在多轮对话中与该“语音助手”交谈。您可访问底部 [12] 链接，查看完整的示例代码，并使用自己的电脑进行尝试。快用 BigDL-LLM 来快速搭建自己的语音助手吧！
作者简介
黄晟盛是英特尔公司的资深架构师，黄凯是英特尔公司的AI框架工程师，戴金权是英特尔院士、大数据技术全球CTO和BigDL项目的创始人，他们都从事着与大数据和AI相关的工作
以上是用BigDL-LLM 即刻加速百億級參數LLM推理的詳細內容。更多資訊請關注PHP中文網其他相關文章！
