vllm推理提速不明显，如何解决？

[zzyzeyuan]

history=None
for i in range(len(raw_prompts)):
    # len(raw_prompts) = 100
    q = raw_prompts[i]
    response, history = vllm_model.chat(query=q, history=history)
    print(response)
    history = history[:10]

之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？
请问有人能帮忙看一下吗？

[xiamuguizhi08]

history=None
for i in range(len(raw_prompts)):
    # len(raw_prompts) = 100
    q = raw_prompts[i]
    response, history = vllm_model.chat(query=q, history=history)
    print(response)
    history = history[:10]

之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？ 请问有人能帮忙看一下吗？

history=None
for i in range(len(raw_prompts)):
    # len(raw_prompts) = 100
    q = raw_prompts[i]
    response, history = vllm_model.chat(query=q, history=history)
    print(response)
    history = history[:10]

之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？ 请问有人能帮忙看一下吗？

你好，想问一下千问模型部署好了再用vllm加速吗

[qinyuenlp]

history=None
for i in range(len(raw_prompts)):
    # len(raw_prompts) = 100
    q = raw_prompts[i]
    response, history = vllm_model.chat(query=q, history=history)
    print(response)
    history = history[:10]

之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？ 请问有人能帮忙看一下吗？

history=None
for i in range(len(raw_prompts)):
    # len(raw_prompts) = 100
    q = raw_prompts[i]
    response, history = vllm_model.chat(query=q, history=history)
    print(response)
    history = history[:10]

之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？ 请问有人能帮忙看一下吗？

你好，想问一下千问模型部署好了再用vllm加速吗

一般都是直接用vllm框架部署qwen的

[xiamuguizhi08]

我给你一个demo这个是有明显加速的 from modelscope import AutoModelForCausalLM, AutoTokenizer from modelscope import GenerationConfig import time # 可选的模型包括: "qwen/Qwen-7B-Chat", "qwen/Qwen-14B-Chat" tokenizer = AutoTokenizer.from_pretrained("/root/autodl-tmp/qwen/Qwen-7B-Chat", trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained("/root/autodl-tmp/qwen/Qwen-7B-Chat", device_map="auto", trust_remote_code=True, fp16=True).eval() model.generation_config = GenerationConfig.from_pretrained("/root/autodl-tmp/qwen/Qwen-7B-Chat", trust_remote_code=True) # 可指定不同的生成长度、top_p等相关超参 time1=time.time() # 调用chat方法时传递tokenizer response, history = model.chat(query="高血压患者能吃党参吗？", history=None, tokenizer=tokenizer) time2=time.time() print(f'{time2-time1}s') print(response)   元气满满Q ***@***.***  

…

------------------ 原始邮件 ------------------ 发件人: "覃悦(Yue ***@***.***>; 发送时间: 2024年5月30日(星期四) 中午11:13 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re: [owenliang/qwen-vllm] vllm推理提速不明显，如何解决？ (Issue #7) history=None for i in range(len(raw_prompts)): # len(raw_prompts) = 100 q = raw_prompts[i] response, history = vllm_model.chat(query=q, history=history) print(response) history = history[:10] 之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？ 请问有人能帮忙看一下吗？ history=None for i in range(len(raw_prompts)): # len(raw_prompts) = 100 q = raw_prompts[i] response, history = vllm_model.chat(query=q, history=history) print(response) history = history[:10] 之前没有用vllm，100个prompts大约是52s，使用vllm之后仍然是52s左右，似乎没有提速？ 请问有人能帮忙看一下吗？ 你好，想问一下千问模型部署好了再用vllm加速吗 一般都是直接用vllm框架部署qwen的 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>