IPEX-LLM

IPEX-LLM 是一个 PyTorch 库，用于在英特尔 CPU 和 GPU（例如，带有 iGPU 的本地 PC、离散 GPU（如 Arc、Flex 和 Max））上以极低的延迟运行 LLM。

• 英特尔 GPU 上的 IPEX-LLM
• 英特尔 CPU 上的 IPEX-LLM

英特尔 GPU 上的 IPEX-LLM

本示例介绍如何使用 LangChain 与 ipex-llm 交互，以在英特尔 GPU 上进行文本生成。

注意

建议仅具有英特尔 Arc A 系列 GPU（英特尔 Arc A300 系列或 Pro A60 除外）的 Windows 用户直接运行 Jupyter notebook 进行“英特尔 GPU 上的 IPEX-LLM”部分。对于其他情况（例如，Linux 用户、英特尔 iGPU 等），建议在终端中使用 Python 脚本运行代码以获得最佳体验。

安装先决条件

要从英特尔 GPU 上的 IPEX-LLM 中获益，需要进行几个工具安装和环境准备的先决条件步骤。

如果您是 Windows 用户，请访问在 Windows 上使用英特尔 GPU 安装 IPEX-LLM 指南，并按照安装先决条件更新 GPU 驱动程序（可选）并安装 Conda。

如果您是 Linux 用户，请访问在 Linux 上使用英特尔 GPU 安装 IPEX-LLM，并按照安装先决条件安装 GPU 驱动程序、英特尔® oneAPI 基础工具包 2024.0 和 Conda。

设置

安装先决条件后，您应该已创建一个包含所有已安装先决条件的 conda 环境。在此 conda 环境中启动 jupyter 服务

%pip install -qU langchain langchain-community

安装 IEPX-LLM 以在英特尔 GPU 上本地运行 LLM。

%pip install --pre --upgrade ipex-llm[xpu] --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/us/

注意

您还可以使用 https://pytorch-extension.intel.com/release-whl/stable/xpu/cn/ 作为 extra-indel-url。

运行时配置

为了获得最佳性能，建议根据您的设备设置几个环境变量

对于具有英特尔酷睿 Ultra 集成 GPU 的 Windows 用户

import os

os.environ["SYCL_CACHE_PERSISTENT"] = "1"
os.environ["BIGDL_LLM_XMX_DISABLED"] = "1"

对于具有英特尔 Arc A 系列 GPU 的 Windows 用户

import os

os.environ["SYCL_CACHE_PERSISTENT"] = "1"

注意

对于每个模型首次在英特尔 iGPU/英特尔 Arc A300 系列或 Pro A60 上运行时，可能需要几分钟才能编译。

对于其他类型的 GPU，请参考此处（针对 Windows 用户）和此处（针对 Linux 用户）。

基本用法

import warnings

from langchain.chains import LLMChain
from langchain_community.llms import IpexLLM
from langchain_core.prompts import PromptTemplate

warnings.filterwarnings("ignore", category=UserWarning, message=".*padding_mask.*")

API 参考：LLMChain | IpexLLM | PromptTemplate

为您的模型指定提示模板。在这个例子中，我们使用 vicuna-1.5 模型。如果您使用的是其他模型，请选择相应的模板。

template = "USER: {question}\nASSISTANT:"
prompt = PromptTemplate(template=template, input_variables=["question"])

使用 IpexLLM.from_model_id 在本地加载模型。它将直接以 Huggingface 格式加载模型，并自动将其转换为低比特格式以进行推理。在初始化 IpexLLM 时，将 model_kwargs 中的 device 设置为 "xpu"，以便将 LLM 模型加载到 Intel GPU 上。

llm = IpexLLM.from_model_id(
    model_id="lmsys/vicuna-7b-v1.5",
    model_kwargs={
        "temperature": 0,
        "max_length": 64,
        "trust_remote_code": True,
        "device": "xpu",
    },
)

在 Chains 中使用

llm_chain = prompt | llm

question = "What is AI?"
output = llm_chain.invoke(question)

保存/加载低比特模型

或者，您可以将低比特模型保存到磁盘一次，然后使用 from_model_id_low_bit 而不是 from_model_id 来重新加载它以供后续使用 - 甚至可以在不同的机器上使用。它节省空间，因为低比特模型比原始模型需要的磁盘空间少得多。并且 from_model_id_low_bit 在速度和内存使用方面也比 from_model_id 更高效，因为它跳过了模型转换步骤。您可以类似地将 model_kwargs 中的 device 设置为 "xpu"，以便将 LLM 模型加载到 Intel GPU 上。

要保存低比特模型，请使用 save_low_bit，如下所示。

saved_lowbit_model_path = "./vicuna-7b-1.5-low-bit"  # path to save low-bit model
llm.model.save_low_bit(saved_lowbit_model_path)
del llm

从保存的低比特模型路径加载模型，如下所示。

请注意，低比特模型的保存路径仅包含模型本身，不包含分词器。如果您希望将所有内容放在一个地方，您需要手动从原始模型的目录下载或复制分词器文件到保存低比特模型的位置。

llm_lowbit = IpexLLM.from_model_id_low_bit(
    model_id=saved_lowbit_model_path,
    tokenizer_id="lmsys/vicuna-7b-v1.5",
    # tokenizer_name=saved_lowbit_model_path,  # copy the tokenizers to saved path if you want to use it this way
    model_kwargs={
        "temperature": 0,
        "max_length": 64,
        "trust_remote_code": True,
        "device": "xpu",
    },
)

在 Chains 中使用加载的模型

llm_chain = prompt | llm_lowbit


question = "What is AI?"
output = llm_chain.invoke(question)

在 Intel CPU 上使用 IPEX-LLM

此示例介绍了如何使用 LangChain 与 ipex-llm 交互，以在 Intel CPU 上进行文本生成。

设置

# Update Langchain

%pip install -qU langchain langchain-community

安装 IEPX-LLM 以在 Intel CPU 上本地运行 LLM

对于 Windows 用户：

%pip install --pre --upgrade ipex-llm[all]

对于 Linux 用户：

%pip install --pre --upgrade ipex-llm[all] --extra-index-url https://download.pytorch.org/whl/cpu

基本用法

import warnings

from langchain.chains import LLMChain
from langchain_community.llms import IpexLLM
from langchain_core.prompts import PromptTemplate

warnings.filterwarnings("ignore", category=UserWarning, message=".*padding_mask.*")

API 参考：LLMChain | IpexLLM | PromptTemplate

为您的模型指定提示模板。在这个例子中，我们使用 vicuna-1.5 模型。如果您使用的是其他模型，请选择相应的模板。

template = "USER: {question}\nASSISTANT:"
prompt = PromptTemplate(template=template, input_variables=["question"])

使用 IpexLLM.from_model_id 在本地加载模型。它将直接以 Huggingface 格式加载模型，并自动将其转换为低比特格式以进行推理。

llm = IpexLLM.from_model_id(
    model_id="lmsys/vicuna-7b-v1.5",
    model_kwargs={"temperature": 0, "max_length": 64, "trust_remote_code": True},
)

在 Chains 中使用

llm_chain = prompt | llm

question = "What is AI?"
output = llm_chain.invoke(question)

保存/加载低比特模型

或者，您可以将低比特模型保存到磁盘一次，然后使用 from_model_id_low_bit 而不是 from_model_id 来重新加载它以供后续使用 - 甚至可以在不同的机器上使用。它节省空间，因为低比特模型比原始模型需要的磁盘空间少得多。并且 from_model_id_low_bit 在速度和内存使用方面也比 from_model_id 更高效，因为它跳过了模型转换步骤。

要保存低比特模型，请使用 save_low_bit，如下所示

saved_lowbit_model_path = "./vicuna-7b-1.5-low-bit"  # path to save low-bit model
llm.model.save_low_bit(saved_lowbit_model_path)
del llm

从保存的低比特模型路径加载模型，如下所示。

请注意，低比特模型的保存路径仅包含模型本身，不包含分词器。如果您希望将所有内容放在一个地方，您需要手动从原始模型的目录下载或复制分词器文件到保存低比特模型的位置。

llm_lowbit = IpexLLM.from_model_id_low_bit(
    model_id=saved_lowbit_model_path,
    tokenizer_id="lmsys/vicuna-7b-v1.5",
    # tokenizer_name=saved_lowbit_model_path,  # copy the tokenizers to saved path if you want to use it this way
    model_kwargs={"temperature": 0, "max_length": 64, "trust_remote_code": True},
)

在 Chains 中使用加载的模型

llm_chain = prompt | llm_lowbit


question = "What is AI?"
output = llm_chain.invoke(question)

相关内容

• LLM 概念指南
• LLM 操作指南