23 lines
1.5 KiB
Markdown
23 lines
1.5 KiB
Markdown
|
### 1. 非page模式max_num_seqs自动调优工具
|
|||
|
|
|
|||
|
|
对于MLU370X8平台，在unpage模式下，可以通过调整`max_num_seqs`来提升性能。`tune_max_num_seqs.py`通过自动调参来搜索最佳`max_num_seqs`值。
|
|||
|
|
- 用法示例
|
|||
|
|
搜索固定配置下，使吞吐量最大`max_num_seqs`值，其中参数部分保持与`benchmark_latency.py`/`benchmark_throughput.py`一致。
|
|||
|
|
```bash
|
|||
|
|
python tools/utils/tune_max_num_seqs.py --backend vllm --input-len 1024 --output-len 1024 --model /Path/to/Llama-2-70b-chat-hf/ -tp 1 --max-model-len 4096 --dtype float16 --num-prompts 10
|
|||
|
|
```
|
|||
|
|
通过执行上述命令，可以搜索得到最优`max_num_seqs`配置，在构建LLM对象时，作为参数传入使用。
|
|||
|
|
|
|||
|
|
### 2. vLLM调度分析辅助工具
|
|||
|
|
|
|||
|
|
首先，设置环境变量开启调度profiling：export VLLM_SCHEDULER_PROFILE=true
|
|||
|
|
|
|||
|
|
对于离线测试，测试结束后，会自动保存数据并打印出当前已经运行请求的信息
|
|||
|
|
|
|||
|
|
对于在线测试，获取调度数据的步骤如下：
|
|||
|
|
|
|||
|
|
1. 启动server
|
|||
|
|
2. 运行client端测试
|
|||
|
|
3. 等待client测试结束后，立即运行：python3 tools/utils/post_scheduler_view_action.py --host [server端ip地址] --port [server端口号] --action save，请求server端将数据保存下来
|
|||
|
|
4. server端会打印出当前已经运行请求的信息
|
|||
|
|
5. 如果想再次运行client测试（基于现有server），先运行：python3 tools/utils/post_scheduler_view_action.py --host [server端ip地址] --port [server端口号] --action init，恢复server端，然后重复2、3、4
|