背景信息
通义千问-7B（Qwen-7B-Chat）
本工具基于通义千问-7B进行开发，通义千问-7B（Qwen-7B）是阿里云研发的通义千问大模型系列的70亿参数规模模型。Qwen-7B是基于Transformer的大语言模型，在超大规模的预训练数据上进行训练得到。预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。同时，在Qwen-7B 的基础上，使用对齐机制打造了基于大语言模型的AI助手Qwen-7B-Chat。
阿里云第八代Intel CPU实例
阿里云八代实例（g8i）采用Intel® Xeon® Emerald Rapids或者Intel® Xeon® Sapphire Rapids，该实例支持使用新的AMX（Advanced Matrix Extensions）指令来加速AI任务。相比于上一代实例，八代实例在Intel® AMX的加持下，推理和训练性能大幅提升。
xFasterTransformer
xFasterTransformer是由Intel官方开源的推理框架，为大语言模型（LLM）在CPU X86平台上的部署提供了一种深度优化的解决方案，支持多CPU节点之间的分布式部署方案，使得超大模型在CPU上的部署成为可能。此外，xFasterTransformer提供了C++和Python两种API接口，涵盖了从上层到底层的接口调用，易于用户使用并将xFasterTransformer集成到自有业务框架中。xFasterTransformer目前支持的模型如下：
xFasterTransformer支持多种低精度数据类型来加速模型部署。除单一精度以外，还支持混合精度来更充分的利用CPU的计算资源和带宽资源，来提高大语言模型的推理速度。以下是xFasterTransformer支持的单一精度和混合精度类型：
- FP16
- BF16
- INT8
- W8A8
- INT4
- NF4
- BF16_FP16
- BF16_INT8
- BF16_W8A8
- BF16_INT4
- BF16_NF4
- W8A8_INT8
- W8A8_int4
- W8A8_NF4
环境部署
服务器配置
实例：Qwen-7B-Chat运行大概需要16 GiB内存以上，为了保证模型运行的稳定，实例规格至少需要选择ecs.c8i.4xlarge（32 GiB内存）。
镜像：Alibaba Cloud Linux 3.2104 LTS 64位。
公网IP：选中分配公网IPv4地址，带宽计费模式选择按使用流量，带宽峰值设置为100 Mbps。以加快模型下载速度。
系统盘：Qwen-7B-Chat模型数据下载、转换和运行过程中需要占用60 GiB的存储空间，为了保证模型顺利运行，建议系统盘设置为100 GiB。
安全组规则：在ECS实例安全组的入方向添加安全组规则并放行22端口和7860端口（22端口用于访问SSH服务，7860端口用于访问WebUI和API接口）
安装模型所需容器环境
1、远程连接ECS实例。（xshell或者阿里云在线远程连接）
2、安装并启动Docker。（使用的阿里云扩展自动安装docker，详情见：
https://help.aliyun.com/zh/ecs/use-cases/install-and-use-docker-on-a-linux-ecs-instance）
3、获取并运行Intel xFasterTransformer容器。
sudo docker pull registry.openanolis.cn/openanolis/xfastertransformer:1.7.3-23
sudo docker run -it --name xFT -h xFT --privileged --shm-size=16g --network host -v /mnt:/mnt -w /mnt/xFasterTransformer registry.openanolis.cn/openanolis/xfastertransformer:1.7.3-23当出现类似如下信息时，表示已获取并成功运行xFasterTransformer容器。
注意：后续操作都需要在容器中运行，如果退出了容器，可以通过以下命令启动并再次进入容器的Shell环境。
sudo docker start xFT
sudo docker exec -it xFT bash准备模型数据
1、在容器中安装依赖软件。
yum update -y
yum install -y wget git git-lfs vim tmux
2、启用Git LFS。（下载预训练模型需要Git LFS的支持。）
git lfs install
3、创建并进入模型数据目录。
mkdir /mnt/data
cd /mnt/data4、创建一个tmux session。
tmux注意：下载预训练模型耗时较长，且成功率受网络情况影响较大，建议在tmux session中下载，以避免ECS断开连接导致下载模型中断。
5、下载Qwen-7B-Chat预训练模型。
git clone https://www.modelscope.cn/qwen/Qwen-7B-Chat.git /mnt/data/qwen-7b-chat
6、转换模型数据。
由于下载的模型数据是HuggingFace格式，需要转换成xFasterTransformer格式。生成的模型文件夹为/mnt/data/qwen-7b-chat-xft。
python -c 'import xfastertransformer as xft; xft.QwenConvert().convert("/mnt/data/qwen-7b-chat")'
说明
不同的模型数据使用的Convert类不同，xFasterTransformer支持以下模型转换类：
LlamaConvert
ChatGLMConvert
ChatGLM2Convert
ChatGLM3Convert
OPTConvert
BaichuanConvert
QwenConvert
运行模型
1、在容器中，依次执行以下命令，安装WebUI相关依赖软件。
cd /root/xFasterTransformer/examples/web_demo
pip install -r requirements.txt
2、执行以下命令，启动WebUI。
OMP_NUM_THREADS=$(($(lscpu | grep "^CPU(s):" | awk '{print $NF}') / 2)) GRADIO_SERVER_NAME="0.0.0.0" numactl -C $(seq -s, 0 2 $(($(lscpu | grep "^CPU(s):" | awk '{print $NF}') - 2))) -m 0 python Qwen.py -t /mnt/data/qwen-7b-chat -m /mnt/data/qwen-7b-chat-xft -d bf16当出现如下信息时，表示WebUI服务启动成功。
在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。
在页面对话框中，输入对话内容，然后单击Submit，即可进行AI对话。
Benchmark模型性能（可选）
运行benchmark脚本时默认使用的是假模型数据，因此不需要准备模型数据。您执行以下指令来测试模型性能。
cd /root/xFasterTransformer/benchmark
XFT_CLOUD_ENV=1 bash run_benchmark.sh -m qwen-7b -d bf16 -bs 1 -in 32 -out 32 -i 10通过调整运行参数，来测试指定场景下的性能数据：
-d 或 --dtype选择模型量化类型：
- bf16 (default)
- bf16_fp16
- int8
- bf16_int8
- fp16
- bf16_int4
- int4
- bf16_nf4
- nf4
- bf16_w8a8
- w8a8
- w8a8_int8
- w8a8_int4
- w8a8_nf4
-bs或--batch_size选择batch size大小，默认为1。
-in或--input_tokens选择输入长度，自定义长度请在prompt.json中配置对应的prompt，默认为32。
-out或--output_tokens选择生成长度，默认为32。
-i或--iter选择迭代次数，迭代次数越大，等待测试结果的时间越长，默认为10次。
运行结果展示如下：
工具使用
启动工具
在源代码中配置好你的模型API服务，然后编辑器右键运行即可
填写信息
填写课程名称，上传对应课程的音频文字文件（目前仅支持txt/pdf/docx格式。），点击“生成教材”开始转换。
开始转换
填写完必要信息后，转换后的教材内容会逐步显示在文本区域中，根据进度条查看是否运行完成。
转换完成
转换完成以后可以复制使用，可以看到相比于以前的音频文字更为规范简介。
服务日志
模型服务会记录下每一次请求的日志输出，可用于后续的分析或者其他异常情况的排查。
