IPEX-LLM

IPEX-LLM 是一个 PyTorch 库，用于在低延迟下在 Intel CPU 和 GPU（例如，带有 iGPU 的本地 PC，Arc、Flex 和 Max 等独立 GPU）上运行 LLM。

• IPEX-LLM 在 Intel GPU 上
• IPEX-LLM 在 Intel CPU 上

IPEX-LLM 在 Intel GPU 上

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

注意

建议只有使用 Intel Arc A 系列 GPU（Intel Arc A300 系列或 Pro A60 除外）的 Windows 用户直接运行 Jupyter notebook 以查看“IPEX-LLM on Intel GPU”部分。对于其他情况（例如 Linux 用户、Intel iGPU 等），建议在终端中使用 Python 脚本运行代码以获得最佳体验。

安装前提条件

为了从 Intel GPU 上的 IPEX-LLM 中获益，需要进行几个前提步骤来安装工具和准备环境。

如果您是 Windows 用户，请访问《在 Windows 上使用 Intel GPU 安装 IPEX-LLM 指南》，并按照安装前提条件更新 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 Intel GPU 安装 IPEX-LLM 指南》，并按照安装前提条件安装 GPU 驱动程序、Intel® oneAPI Base Toolkit 2024.0 和 Conda。

安装设置

完成前提条件安装后，您应该已经创建了一个安装了所有前提条件的 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 Intel 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

对于使用 Intel Core Ultra 集成 GPU 的 Windows 用户

import os

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

对于使用 Intel 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 Intel iGPU/Intel Arc A300 系列或 Pro A60 上运行时，可能需要几分钟进行编译。

对于其他 GPU 类型，Windows 用户请参考此处，Linux 用户请参考此处。

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。在本示例中，我们使用 vicuna-1.5 模型。如果您使用不同的模型，请相应地选择合适的模板。

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

使用 IpexLLM.from_model_id 通过 IpexLLM 在本地加载模型。它将以 Huggingface 格式直接加载模型，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。

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 中使用它

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 重新加载它以供以后使用 - 甚至可以在不同的机器上使用。它在空间上是高效的，因为低比特模型比原始模型需要更少的磁盘空间。并且 from_model_id_low_bit 在速度和内存使用方面也比 from_model_id 更有效，因为它跳过了模型转换步骤。您可以类似地在 model_kwargs 中将 device 设置为 "xpu"，以便将 LLM 模型加载到 Intel GPU。

要保存低比特模型，请按如下方式使用 save_low_bit。

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 tokenizer。如果您希望将所有内容都放在一个地方，您将需要手动从原始模型的目录下载或复制 tokenizer 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)

IPEX-LLM 在 Intel CPU 上

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。

安装设置

# 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。在本示例中，我们使用 vicuna-1.5 模型。如果您使用不同的模型，请相应地选择合适的模板。

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

使用 IpexLLM.from_model_id 通过 IpexLLM 在本地加载模型。它将以 Huggingface 格式直接加载模型，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 中使用它

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 重新加载它以供以后使用 - 甚至可以在不同的机器上使用。它在空间上是高效的，因为低比特模型比原始模型需要更少的磁盘空间。并且 from_model_id_low_bit 在速度和内存使用方面也比 from_model_id 更有效，因为它跳过了模型转换步骤。

要保存低比特模型，请按如下方式使用 save_low_bit

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 tokenizer。如果您希望将所有内容都放在一个地方，您将需要手动从原始模型的目录下载或复制 tokenizer 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

• LLM 概念指南
• LLM 操作指南