MNN-LLM项目中Qwen1.5模型转换性能优化实践

在MNN-LLM项目中使用Qwen1.5系列模型时，开发者可能会遇到模型转换后推理性能下降的问题。本文将深入分析这一现象的原因，并提供有效的解决方案。

问题现象

当使用llm_export.py脚本转换Qwen1.5-1.8B和Qwen1.5-4B模型时，虽然转换过程顺利完成，但转换后的模型在Android设备上的解码(decode)速度明显慢于直接从ModelScope下载的预转换版本。通过文件大小对比发现，转换生成的MNN模型文件与官方预转换版本存在显著差异。

性能差异分析

这种性能差异主要源于以下几个方面：

1. 算子融合优化不足：官方预转换版本可能应用了更全面的算子融合策略，减少了计算图中的节点数量，从而提升执行效率。

2. 编译选项差异：不同版本的MNN转换工具可能使用了不同的编译优化选项，影响最终生成的模型性能。

3. 量化策略不同：虽然文件大小差异不一定直接反映量化程度，但量化策略的选择会影响计算效率。

解决方案

要获得与官方预转换版本相近的性能，可以采用以下方法：

1. 使用最新版MNN转换工具：确保使用MNN 2.9.0或更高版本进行模型转换，这些版本针对Transformer架构做了专门优化。

2. 启用Transformer专用优化：在转换命令中添加--transformerFuse=1参数，这会启用针对Transformer架构的算子融合优化。

3. 完整的转换流程建议：

   python llm_export.py --path /path/to/Qwen1.5-1.8B-Chat \
   --export --export_embed --embed_bin --export_token --export_mnn \
   --type Qwen1_5-1_8B-Chat
   

   然后使用MNN转换工具对生成的ONNX文件进行二次优化：

   MNNConvert --modelFile model.onnx --MNNModel model.mnn \
   --fp16 --optimizeLevel 2 --transformerFuse 1
   

性能对比说明

即使采用上述优化措施，自行转换的模型可能仍会略慢于官方预转换版本。这是因为官方版本可能还应用了其他专有优化技术。对于大多数应用场景，经过优化的自行转换版本已经能够提供可接受的性能。

结论

在MNN-LLM项目中使用Qwen1.5系列模型时，通过正确配置转换参数和使用最新工具链，可以显著提升转换后模型的推理性能。开发者应当关注MNN项目的更新，及时采用新的优化技术，以获得最佳性能表现。