工具介紹

英特爾OpenVINO 工具套件是一款開源AI推理優(yōu)化部署的工具套件，可幫助開發(fā)人員和企業(yè)加速生成式人工智能 (AIGC)、大語言模型、計(jì)算機(jī)視覺和自然語言處理等 AI 工作負(fù)載，簡(jiǎn)化深度學(xué)習(xí)推理的開發(fā)和部署，便于實(shí)現(xiàn)從邊緣到云的跨英特爾 平臺(tái)的異構(gòu)執(zhí)行。

ChatGLM3是智譜AI和清華大學(xué)KEG實(shí)驗(yàn)室聯(lián)合發(fā)布的對(duì)話預(yù)訓(xùn)練模型。ChatGLM3-6B是ChatGLM3系列中的開源模型，在保留了前兩代模型對(duì)話流暢、部署門檻低等眾多優(yōu)秀特性的基礎(chǔ)上，ChatGLM3-6B引入了以下新特性：

1

更強(qiáng)大的基礎(chǔ)模型：

ChatGLM3-6B的基礎(chǔ)模型ChatGLM3-6B-Base采用了更多樣的訓(xùn)練數(shù)據(jù)、更充分的訓(xùn)練步數(shù)和更合理的訓(xùn)練策略。在語義、數(shù)學(xué)、推理、代碼、知識(shí)等不同角度的數(shù)據(jù)集上測(cè)評(píng)顯示，ChatGLM3-6B-Base具有在10B以下的預(yù)訓(xùn)練模型中領(lǐng)先的性能。

2

更完整的功能支持：

ChatGLM3-6B采用了全新設(shè)計(jì)的Prompt格式，除正常的多輪對(duì)話外，同時(shí)原生支持工具調(diào)用 (Function Call)、代碼執(zhí)行 (Code Interpreter) 和Agent任務(wù)等復(fù)雜場(chǎng)景。

3

更全面的開源序列：

除了對(duì)話模型ChatGLM3-6B外，還開源了基礎(chǔ)模型ChatGLM-6B-Base、長(zhǎng)文本對(duì)話模型ChatGLM3-6B-32K。以上所有權(quán)重對(duì)學(xué)術(shù)研究完全開放，在填寫問卷進(jìn)行登記后亦允許免費(fèi)商業(yè)使用。

圖：基于Optimum-intel與OpenVINO部署生成式AI模型流程

英特爾為開發(fā)者提供了快速部署ChatGLM3-6B的方案支持。開發(fā)者只需要在GitHub上克隆示例倉庫，進(jìn)行環(huán)境配置，并將Hugging Face模型轉(zhuǎn)換為OpenVINO IR模型，即可進(jìn)行模型推理。由于大部分步驟都可以自動(dòng)完成，因此開發(fā)者只需要簡(jiǎn)單的工作便能完成部署，目前該倉庫也被收錄在GhatGLM3的官方倉庫和魔搭社區(qū)Model Card中，接下來讓我們一起看下具體的步驟和方法：

示例倉庫：

https://github.com/OpenVINO-dev-contest/chatglm3.openvino

官方倉庫：

https://github.com/THUDM/ChatGLM3?tab=readme-ov-file#openvino-demo

Model Card：

https://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/summary#

1

模型轉(zhuǎn)換

當(dāng)你按倉庫中的README文檔完成集成環(huán)境配置后，可以直接通過以下命令運(yùn)行模型轉(zhuǎn)換腳本：

python3 convert.py --model_id THUDM/chatglm3-6b –output {your_path}/chatglm3-6b-ov

該腳本首先會(huì)利用Transformers庫從Hugging Face的model hub中下載并加載原始模型的PyTorch對(duì)象，如果開發(fā)者在這個(gè)過程中無法訪問Hugging Face的model hub，也可以通過配置環(huán)境變量的方式，將模型下載地址更換為鏡像網(wǎng)站，并將convert.py腳本的model_id參數(shù)配置為本地路徑，具體方法如下：

$env:HF_ENDPOINT = https://hf-mirror.com
huggingface-cli download --resume-download --local-dir-use-symlinks False THUDM/chatglm3-6b --local-dir {your_path}/chatglm3-6b
python3 convert.py --model_id {your_path}/chatglm3-6b --output {your_path}/chatglm3-6b-ov

當(dāng)獲取PyTorch的模型對(duì)象后，該腳本會(huì)利用OpenVINO的PyTorch frontend進(jìn)行模型格式的轉(zhuǎn)換，執(zhí)行完畢后，你將獲取一個(gè)由.xml和.bin文件所構(gòu)成的OpenVINO IR模型文件，該模型默認(rèn)以FP16精度保存。

2

權(quán)重量化

該步驟為可選項(xiàng)，開發(fā)者可以通過以下腳本，將生成的OpenVINO模型通過權(quán)重量化策略，進(jìn)一步地壓縮為4-bits或者是8-bits的精度，以獲取更低的推理延時(shí)及系統(tǒng)資源占用。

python3 quantize.py --model_path {your_path}/chatglm3-6b-ov --precision int4 --output {your_path}/chatglm3-6b-ov-int4

執(zhí)行完畢后，你將獲得經(jīng)過壓縮后的IR模型文件，以INT4對(duì)稱量化為例，該壓縮后的模型文件的整體容量大約為4GB左右。

圖：量化后的OpenVINO模型文件

同時(shí)在量化結(jié)束后，亦會(huì)在終端上打印模型的量化比例，如下圖所示。

圖：量化比例輸出

由于OpenVINO NNCF工具的權(quán)重壓縮策略只針對(duì)于大語言模型中的Embedding和Linear這兩種算子，所以該表格只會(huì)統(tǒng)計(jì)這兩類算子的量化比例。其中ratio-defining parameter是指我們提前通過接口預(yù)設(shè)的混合精度比例，也就是21%權(quán)重以INT8表示，79%以INT4表示，這也是考慮到量化對(duì)ChatGLM3模型準(zhǔn)確度的影響，事先評(píng)估得到的配置參數(shù)，開發(fā)者亦可以通過這個(gè)示例搜索出適合其他模型的量化參數(shù)。此外鑒于第一層Embedding layer和模型最后一層操作對(duì)于輸出準(zhǔn)確度的影響，NNCF默認(rèn)會(huì)將他們以INT8表示，這也是為何all parameters中顯示的混合精度比例會(huì)有所不同。當(dāng)然開發(fā)者也可以通過nncf.compress_weights接口中設(shè)置all_layers=True，開關(guān)閉該默認(rèn)策略。

示例：

https://github.com/openvinotoolkit/nncf/tree/develop/examples/llm_compression/openvino/tiny_llama_find_hyperparams

3

模型轉(zhuǎn)換

最后一步就是模型部署了，這里展示的是一個(gè)Chatbot聊天機(jī)器人的示例，這也是LLM應(yīng)用中最普遍，也是最基礎(chǔ)的pipeline，而OpenVINO可以通過Optimum-intel工具為橋梁，復(fù)用Transformers庫中預(yù)置的pipeline，因此在這個(gè)腳本中我們會(huì)對(duì)ChatGLM3模型再做一次封裝，以繼承并改寫OVModelForCausalLM類中的方法，實(shí)現(xiàn)對(duì)于Optimum-intel工具的集成和適配。以下為該腳本的運(yùn)行方式：

python3 chat.py --model_path {your_path}/chatglm3-6b-ov-int4 --max_sequence_length 4096 --device CPU

如果開發(fā)者的設(shè)備中包含英特爾的GPU產(chǎn)品，例如Intel ARC系列集成顯卡或是獨(dú)立顯卡，可以在這個(gè)命令中將device參數(shù)改為GPU，以激活更強(qiáng)大的模型推理能力。

在終端里運(yùn)行該腳本后，會(huì)生成一個(gè)簡(jiǎn)易聊天對(duì)話界面，接下來你就可以驗(yàn)證它的效果和性能了。

總結(jié)

通過模型轉(zhuǎn)換、量化、部署這三個(gè)步驟，我們可以輕松實(shí)現(xiàn)在本地PC上部署ChatGLM3-6b大語言模型，經(jīng)測(cè)試該模型可以流暢運(yùn)行在最新的Intel Core Ultra異構(gòu)平臺(tái)及至強(qiáng)CPU平臺(tái)上，作為眾多AI agent和RAG等創(chuàng)新應(yīng)用的核心基石，大語言模型的本地部署能力將充分幫助開發(fā)者們打造更安全，更高效的AI解決方案。

審核編輯：劉清