LMDeploy项目中昇腾卡推理GLM-4V-9B模型的注意事项

在LMDeploy项目中使用昇腾（Ascend）卡进行GLM-4V-9B模型推理时，开发者可能会遇到一个关键的技术限制。本文将从技术原理、问题分析和解决方案三个维度，深入剖析这一现象。

问题现象

当尝试在昇腾卡上以图模式（graph mode）运行GLM-4V-9B模型时，系统会抛出RuntimeError错误。错误信息显示在应用旋转位置编码（apply_rotary_pos_emb）操作时出现问题，导致后端编译器（atbgraph）无法正确处理该算子。

技术背景

图模式是深度学习框架中的一种优化技术，它将模型的计算图预先编译成高效的执行计划。在昇腾卡上，这种模式通过ATB（Ascend Tensor Boost）图编译器实现。然而，并非所有模型算子都能完美支持这种编译模式。

旋转位置编码是多模态大模型（如GLM-4V-9B）中的关键组件，用于处理序列数据的位置信息。其复杂的计算模式可能超出当前图编译器的支持范围。

解决方案

目前官方确认，图模式暂不支持GLM-4V-9B模型。开发者可以采用以下替代方案：

1. 使用即时执行模式（eager mode）：这是PyTorch的默认执行模式，虽然性能可能略低，但能保证模型完整功能的可用性。

2. 等待后续版本更新：LMDeploy团队正在积极扩展图模式支持的模型范围，未来版本可能会解决这一问题。

实施建议

对于需要在昇腾卡上部署GLM-4V-9B模型的开发者，建议：

• 在启动服务时明确指定使用即时执行模式
• 监控项目更新日志，及时获取图模式支持的最新进展
• 对于性能敏感场景，可以考虑模型量化等优化手段来弥补即时执行模式的性能差距

总结

LMDeploy作为大模型部署工具，仍在不断完善对不同硬件和模型架构的支持。理解当前的技术限制并选择合适的执行模式，是确保多模态大模型在昇腾卡上稳定运行的关键。随着项目的持续发展，预计未来会有更多模型获得图模式支持，从而提供更优的推理性能。