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 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:

  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

项目优选

收起
leetcodeleetcode
🔥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-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
571
414
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
125
208
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
75
146
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
431
39
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
98
253
MateChatMateChat
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
folibfolib
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
CS-BooksCS-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~
115
14
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
298
1.03 K