IPEX-LLM：在 Intel GPU 上的本地 BGE 嵌入
IPEX-LLM 是一个 PyTorch 库，用于在 Intel CPU 和 GPU（例如，带有 iGPU 的本地 PC，Arc、Flex 和 Max 等独立 GPU）上以极低延迟运行 LLM。
此示例介绍了如何使用 LangChain 通过 Intel GPU 上的 ipex-llm 优化执行嵌入任务。 这将有助于 RAG、文档 QA 等应用。
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 用户直接运行此 Jupyter notebook。 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。
安装先决条件
为了受益于 Intel GPU 上的 IPEX-LLM，工具安装和环境准备需要几个先决条件步骤。
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 Intel GPU 安装 IPEX-LLM，并按照 安装先决条件 安装 GPU 驱动程序、Intel® oneAPI Base Toolkit 2024.0 和 Conda。
设置
安装先决条件后，您应该已经创建了一个安装了所有先决条件的 conda 环境。 在此 conda 环境中启动 jupyter 服务
%pip install -qU langchain langchain-community
安装 IPEX-LLM 以在 Intel GPU 上进行优化，以及 sentence-transformers。
%pip install --pre --upgrade ipex-llm[xpu] --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/us/
%pip install sentence-transformers
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，可能需要几分钟才能编译。
基本用法
在初始化 IpexLLMBgeEmbeddings 时，在 model_kwargs 中将 device 设置为 "xpu" 会将嵌入模型放在 Intel GPU 上，并受益于 IPEX-LLM 优化
from langchain_community.embeddings import IpexLLMBgeEmbeddings
embedding_model = IpexLLMBgeEmbeddings(
model_name="BAAI/bge-large-en-v1.5",
model_kwargs={"device": "xpu"},
encode_kwargs={"normalize_embeddings": True},
)
API 参考
sentence = "IPEX-LLM is a PyTorch library for running LLM on Intel CPU and GPU (e.g., local PC with iGPU, discrete GPU such as Arc, Flex and Max) with very low latency."
query = "What is IPEX-LLM?"
text_embeddings = embedding_model.embed_documents([sentence, query])
print(f"text_embeddings[0][:10]: {text_embeddings[0][:10]}")
print(f"text_embeddings[1][:10]: {text_embeddings[1][:10]}")
query_embedding = embedding_model.embed_query(query)
print(f"query_embedding[:10]: {query_embedding[:10]}")