塞德里克爱有限公司用户1002
第五课作业 LMDeploy 大模型量化部署实践
输入“/”快速插入内容
第五课作业 LMDeploy 大模型量化部署实践
第五课作业 LMDeploy 大模型量化部署实践
用户1002用户10022024年1月25日修改
基础作业：
•
使用 LMDeploy 以本地对话、网页Gradio、API服务中的一种方式部署 InternLM-Chat-7B 模型，生成 300 字的小故事（需截图）
进阶作业（可选做）
•
将第四节课训练自我认知小助手模型使用 LMDeploy 量化部署到 OpenXLab 平台。
•
对internlm-chat-7b模型进行量化，并同时使用KV Cache量化，使用量化后的模型完成API服务的部署，分别对比模型量化前后（将 bs设置为 1 和 max len 设置为512）和 KV Cache 量化前后（将 bs设置为 8 和 max len 设置为2048）的显存大小。
•
在自己的任务数据集上任取若干条进行Benchmark测试，测试方向包括：
（1）TurboMind推理+Python代码集成
（2）在（1）的基础上采用W4A16量化
（3）在（1）的基础上开启KV Cache量化
（4）在（2）的基础上开启KV Cache量化
（5）使用Huggingface推理