tllm: A Journey to create your own llm inference server

在这个旅程中，您将学习关于LLM推理、KV缓存、静态批处理和连续批处理...的内容，并最终学会如何创建自己的LLM推理服务器。

You will learn about LLM inference, KV cache, static batching, and continuous batching... in this journey, and how to create your own LLM inference server eventually.

目录概要 Course Outline

1. gpt2推理
2. LLM采样方法：top-P和top-K
3. KV cache加速推理
4. 静态批处理
5. 连续批处理
6. Tensor设备并行
7. PD设备分离
8. 推测解码

1. gpt2 infer
2. LLM sampling methods: Top-p and Top-k
3. KV cache accelerates inference
4. Static batching
5. Continous batching
6. Tensor Device Parallelis
7. PD Device Parallelism
8. Speculative decoding

模型下载 Download model

1. 访问 魔搭社区 并下载 pytorch_model.bin 文件。
2. 将下载的文件移动到 model/ 文件夹中。
3. 将文件重命名为 gpt2_pytorch_model.bin。

1. Go to Huggging Face and download the pytorch_model.bin file.
2. Move the downloaded file to the model/ folder.
3. Rename the fileto gpt2_pytorch_model.bin.

运行项目示例 Run the project example

conda create --name tllm python=3.10

conda activate tllm

pip install -r requirement.txt

cd chapter1_gpt2_infer/

python main.py