首页
/ FastChat框架在华为Ascend NPU上的多卡推理适配实践

FastChat框架在华为Ascend NPU上的多卡推理适配实践

2025-05-02 13:39:11作者:殷蕙予

背景介绍

FastChat是一个流行的开源对话模型服务框架,能够方便地部署各类大语言模型并提供API服务。然而,在华为Ascend NPU硬件平台上,FastChat默认仅支持单卡推理,无法充分利用多NPU卡的算力资源。本文将详细介绍如何修改FastChat框架以支持在华为910B NPU服务器上的多卡推理能力。

技术挑战

在华为Ascend NPU环境下实现多卡推理面临几个关键技术挑战:

  1. 框架原生支持不足:FastChat最初设计主要针对NVIDIA GPU,对NPU的支持有限
  2. 内存分配问题:大模型在多卡间的显存分配需要特殊处理
  3. 计算资源调度:需要确保推理过程中的KV cache能正确利用多卡资源

解决方案

环境准备

实施多卡推理需要以下环境配置:

  • 操作系统:Linux Ascend910B01 4.19.90内核
  • NPU驱动版本:24.1.rc1
  • CANN版本:8.0
  • 模型:Qwen2-7B-Instruct

核心代码修改

关键修改集中在FastChat的模型适配器文件(model_adapter.py)中,主要实现了:

  1. 增加NPU设备类型识别
  2. 多卡自动分配策略
  3. 显存管理优化

具体修改点包括:

if device == "npu":
    kwargs = {"torch_dtype": torch.float16}
    try:
        import torch_npu
        if num_gpus != 1:
            kwargs["device_map"] = "auto"
    except ImportError:
        warnings.warn("Ascend Extension for PyTorch is not installed.")

这段代码实现了:

  • 设置默认使用FP16精度
  • 检测torch_npu扩展是否安装
  • 当使用多卡时自动启用设备映射

运行配置

启动服务时需要特别注意:

  1. 使用ASCEND_RT_VISIBLE_DEVICES指定可见NPU设备
  2. 通过--num-gpus参数指定使用的卡数
  3. 明确设置--device为npu

典型启动命令示例:

ASCEND_RT_VISIBLE_DEVICES=4,5,6,7 python -m fastchat.serve.cli \
    --model-path /path/to/model/Qwen2-7B-Instruct \
    --num-gpus 4 \
    --device npu

性能优化建议

在实际部署中,可以进一步优化:

  1. 批处理大小调整:根据显存情况设置合适的batch_size
  2. 量化压缩:考虑使用8bit量化减少显存占用
  3. 计算图优化:利用CANN的图优化能力提升计算效率
  4. 流水线并行:对于超大模型可采用更复杂的并行策略

验证与测试

经过验证,该方案能够:

  1. 正确将模型参数分配到多张NPU卡上
  2. 推理过程中的KV cache能利用多卡资源
  3. 在输入较大时不会出现单卡显存溢出的问题

总结

通过对FastChat框架的适配修改,成功实现了在华为Ascend 910B NPU服务器上的多卡推理能力。这一解决方案不仅提升了推理性能,也为其他希望在NPU平台上部署大模型的研究者提供了参考。未来可以进一步探索更高效的并行策略和量化方法,以充分发挥NPU硬件的计算潜力。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
52
461
kernelkernel
deepin linux kernel
C
22
5
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
381
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
185
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
873
517
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.09 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
264
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
608
59
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4