fastllm移植到Windows加快LLM推理

偏执的太偏执、 2024-04-20 05:22 53阅读 0赞

> 提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

#### 文章目录 ####

*  前言
 *  一、fastllm是什么？
 *  二、环境准备
 *   *  1.操作系统
     *  2.Clion
     *  3.Visual Studio
     *  4.Python
     *  5.CUDA
 *  三、配置环境
 *  四、构建
 *   *  1.打开CUDA选项
     *  2.配置Compute
 *  五、编译
 *  总结

--------------------

## 前言 ##

最近在搞一个关于`Chatglm-6B`的项目，一个普通的回答要接近5秒钟，经过研究发现fastllm有明显的加速，加速后1.5秒，而且也没发现损失什么精度。

--------------------

## 一、fastllm是什么？ ##

fastllm是纯`C++`实现，无第三方依赖的高性能大模型推理库。6~7B级模型在安卓端上也可以流畅运行。今天不讨论安卓，讨论在CUDA上的部署。

[fastllm源代码][fastllm]

## 二、环境准备 ##

开始之前你需要准备一些必要的环境。对于相关开发人员来说，这些环境应该基本都是有的。

### 1.操作系统 ###

`Windows10`和`Windows11`是可以的，经过实际测试的。

### 2.Clion ###

`Clion-2023.2`或`2023.3`版本都可以。我是在Clion上编译的，也可以在VS上编译，但是我这里只提供Clion的方法，VS的方法请自行研究。

### 3.Visual Studio ###

`2019`和`2022`经过测试都是可以的，需要安装C++编译工具链。你也可以不完整安装VS，只安装工具链也行，这里就不说方法了，请自行研究。

### 4.Python ###

经过测试`3.9`和`3.10`的版本都是可以的，最好使用Anaconda环境，操作起来方便。

### 5.CUDA ###

CUDA环境是一定需要的，我这里使用的是`11.8`，其它的环境应该也是没问题的。Windows安装CUDA环境的教程网上一大堆，大家自行搜索下。

## 三、配置环境 ##

Python环境比较容易，创建一个基于3.9的虚拟环境就行了。Windows上CUDA安装会自行配置环境变量。重点说下Clion，这里需要配置VS的编译环境，自带的`MingW环境不行`。

点击File->Settings->Build->Toolchains，找不到的请把IDE改成英文，我是习惯了使用英文。

![在这里插入图片描述][695c0ead452e44f292f687dd54d8f7f1.png]

默认可能是没有VS环境的，需要手动添加的看下面的教程。前提是你已经安装好VS环境了。  
![在这里插入图片描述][0474cb5fc7a84884811c401ab8295a77.png]  
![在这里插入图片描述][3225a82b858547f5aa1c6d47749968c2.png]  
主要是Toolset，这里只说2019和2022，略有差别，我也不可能在自己电脑上都装上。  
![在这里插入图片描述][53861401ed734fae83fedeedeac43ae5.png]

VS2019：  
选择安装路径下的`Community`

VS2022：  
选择安装路径下的`BuildTools`

然后`Archtecture`和你的操作系统有关系，我是`64位系统`就选`amd64`，其它的不用选会自动检测的。

`切记：选完后将VS编译工具链移动到最顶上。`

![在这里插入图片描述][84bcf928607f444b861090ae1f94748f.png]

## 四、构建 ##

### 1.打开CUDA选项 ###

![在这里插入图片描述][21eb3aa41fbc4509a4aa7e2acb217c3c.png]

### 2.配置Compute ###

![在这里插入图片描述][8753370025144661846d906e8e939c7f.png]  
不知道自己的显卡的`Compute`就去英伟达官网查询。

[查询Compute][Compute]

![在这里插入图片描述][58b026b8ddc54ba6a4adc3b38502e222.png]

## 五、编译 ##

这个就不用教了吧，等待结束就行了，代码里出现了很多的Warning，不用担心，不影响使用。

--------------------

## 总结 ##

1、原作者只给了Linux上的编译方法，Windows的还是费了些波折。

[fastllm]: https://gitee.com/anold/fastllm.git
[695c0ead452e44f292f687dd54d8f7f1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/fbda91af37a448d38cb590582d4756aa.png
[0474cb5fc7a84884811c401ab8295a77.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/d446d01ae72146c18c98a9e298a11fcd.png
[3225a82b858547f5aa1c6d47749968c2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/152882ef1156454ab24bf5a944dd874f.png
[53861401ed734fae83fedeedeac43ae5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/28a8b56316594ea687b016a8c0a73f6b.png
[84bcf928607f444b861090ae1f94748f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/47017471c30e4922b2e5e041562585a7.png
[21eb3aa41fbc4509a4aa7e2acb217c3c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/69f6d060e5934ac1b5d55fe42d65b814.png
[8753370025144661846d906e8e939c7f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/673067afeb9540c885e536556983c920.png
[Compute]: https://developer.nvidia.com/cuda-gpus?ref=localhost
[58b026b8ddc54ba6a4adc3b38502e222.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/3f9415f77fbc4c4aae0a37b0664c4fd3.png