Config.md

环境变量配置

常用选项

环境变量名	类型	说明
TOKENIZER_PATH	str, required	tokenizer路径
CHECKPOINT_PATH	str, required	checkpoint路径
MODEL_TYPE	str, required	模型类型
MAX_SEQ_LEN	str, optional	输入+输出最大长度
WEIGHT_TYPE	str, optional	模型加载使用的weight 类型:FP16/INT8
CONCURRENCY_LIMIT	str, optional	模型最大并发数

• TOKENIZER_PATH 和 CHECKPOINT_PATH 必须为本地路径。
• MODEL_TYPE 目前支持 chatglm``chat_glm``chatglm2``chat_glm_2``chatglm3``chat_glm_3``glm_130b``gpt_bigcode``starcoder2``wizardcoder``sgpt_bloom``sgpt_bloom_vector``bloom``llama``gemma``xverse``llava``baichuan``gpt_neox``qwen_7b``qwen_13b``qwen_1b8``qwen_2``qwen_vl``falcon``mpt``internlm``phi``aquila``cogvlm2``chatglm4v

高级选项

环境变量名	类型	说明
INT8_KV_CACHE	str, optional	高级选项:kv cache 使用int8类型,可节省显存
KV_CACHE_MEM_MB	str, optional	kv cache 预留显存大小，单位(MB)
PRE_ALLOCATE_OP_MEM	str, optional	是否提前预分配显存,与KV_CACHE_MEM_MB配合使用
TP_SPLIT_EMB_AND_LMHEAD	str, optional	TensorParallel时是否切分Emb和LmHead计算(1:打开，0:关闭)
REUSE_CACHE	str, optional	query之间复用kvcache
EXTRA_DATA_PATH	str, optional	除了ckpt/tokenizer,额外需要的数据,比如LLAVA的 VIT数据
VIT_TRT	int, optional	是否使用TRT来加速VIT模型(1:打开，0:关闭)
FT_DISABLE_CUSTOM_AR	int, optional	是否关闭Custom All Reduce(1:关闭，其他打开)

注意事项

1. 默认模型运行时的 log_level=WARNING，可以添加环境变量LOG_LEVEL=INFO 显示更多日志
2. 可以配置环境变量LOAD_CKPT_NUM_PROCESS=x多进程加载模型。多进程加载的时候需要使用if __name__ == '_main__':作为入口，因为默认程序会使用spawn的方式起多进程；同时进程数过多可能会导致cuda out of memory

ModelConfig

参数名	类型	说明
model_type	str, default=''	模型类型
ckpt_path	str, default=''	模型路径
tokenizer_path	str, default=''	tokenizer路径
weight_type	WEIGHT_TYPE, default=WEIGHT_TYPE.FP16	模型weights量化类型
act_type	WEIGHT_TYPE, default=WEIGHT_TYPE.FP16	模型weights存储类型
max_seq_len	bool, default=0	beam search的个数
seq_size_per_block	int, default=8	async模式下每个block的序列长度
gen_num_per_circle	int, default=1	每轮可能新增的token数，仅在投机采样情况下>1
ptuning_path	Optional[str], default=None	ptuning ckpt的存储路径
lora_infos	Optional[Dict[str, str]]	lora ckpt存储路径

目前我们支持的所有模型列表可以在maga_transformer/models/__init__.py查看，具体模型对应的model_type可以查看模型文件的register_model