FastChat框架在华为Ascend NPU上的多卡推理适配实践
2025-05-02 19:42:29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:
- 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
- 内存分配问题:大模型在多卡间的显存分配需要特殊处理
- 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:
- 增加NPU设备类型识别
- 多卡自动分配策略
- 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:
- 使用ASCEND_RT_VISIBLE_DEVICES指定可见NPU设备
- 通过--num-gpus参数指定使用的卡数
- 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:
- 批处理大小调整:根据显存情况设置合适的batch_size
- 量化压缩:考虑使用8bit量化减少显存占用
- 计算图优化:利用CANN的图优化能力提升计算效率
- 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:
- 正确将模型参数分配到多张NPU卡上
- 推理过程中的KV cache能利用多卡资源
- 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
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript039RuoYi-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Vue0415arkanalyzer
方舟分析器:面向ArkTS语言的静态程序分析框架TypeScript041GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。03CS-Books
🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~014openGauss-server
openGauss kernel ~ openGauss is an open source relational database management systemC++0146
热门内容推荐
1 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp音乐播放器项目中的函数调用问题解析4 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 5 freeCodeCamp博客页面工作坊中的断言方法优化建议6 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析7 freeCodeCamp论坛排行榜项目中的错误日志规范要求8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp课程视频测验中的Tab键导航问题解析
最新内容推荐
Visual-RFT项目中模型路径差异的技术解析 Beyla项目中的HTTP2连接检测问题解析 Microcks在OpenShift上部署Keycloak PostgreSQL的权限问题解析 RaspberryMatic项目中HmIP-BWTH温控器假期模式设置问题分析 Lets-Plot 库中条形图标签在坐标轴反转时的定位问题解析 BedrockConnect项目版本兼容性问题解析与解决方案 LiquidJS 10.21.0版本新增数组过滤功能解析 Mink项目中Selenium驱动切换iframe的兼容性问题分析 Lichess移动端盲棋模式字符串优化解析 sbctl验证功能JSON输出问题解析
项目优选
收起

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
15

🎉 (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
571
414

React Native鸿蒙化仓库
C++
125
208

openGauss kernel ~ openGauss is an open source relational database management system
C++
75
146

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
431
39

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
98
253

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
693
91

FOLib 是一个为Ai研发而生的、全语言制品库和供应链服务平台
Java
58
4

🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~
115
14

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
298
1.03 K