三步完成在英特尔独立显卡上量化和部署 ChatGLM3-6B 模型

作者：刘力 英特尔边缘计算创新大使  

ChatGLM3-6B 简介

ChatGLM3 是智谱 AI 和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型，在填写问卷进行登记后亦允许免费商业使用。

Github仓库地址：https://github.com/THUDM/ChatGLM3

请使用命令，将 ChatGLM3-6B 模型下载到本地 (例如，保存到 D 盘) ：

git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git

BigDL-LLM 简介

BigDL-LLM 是开源，遵循 Apache 2.0许可证，专门用于在英特尔的硬件平台上加速大语言模型（Large Language Model, LLM）推理计算的软件工具包。它是在原有的 BigDL 框架基础上，为了应对大语言模型在推理过程中对性能和资源的高要求而设计的。BigDL-LLM 旨在通过优化和硬件加速技术来提高大语言模型的运行效率，减少推理延迟，并降低资源消耗。

GitHub仓库地址：https://github.com/intel-analytics/BigDL

本文将详细介绍基于 BigDL-LLM 在英特尔独立显卡上量化和部署 ChatGLM3-6B 模型。

部署平台简介

算力魔方是一款可以 DIY 的迷你主机，采用了抽屉式设计，后续组装、升级、维护只需要拔插模块。

通过选择计算模块的版本，再搭配不同额 IO 模块可以组成丰富的配置，适应不同场景。性能不够时，可以升级计算模块提升算力， IO 接口不匹配时，可以更换 IO 模块调整功能，而无需重构整个系统。本文在带有 A380独立显卡的算力模方上完成验证。

在英特尔独立显卡上部署 ChatGLM3-6B

1. 搭建开发环境

第一步：请下载并安装 Visual Studio 2022 Community Edition。安装时务必选择“使用 C++的桌面开发”。注意：不要修改默认安装路径！

下载链接：https://visualstudio.microsoft.com/zh-hans/downloads/

第二步：请下载并安装英特尔独立显卡驱动程序。

下载链接：https://www.intel.cn/content/www/cn/zh/download/785597/intel-arc-iris-xe-graphics-windows.html

第三步：请下载并安装 Intel® oneAPI Base Toolkit。

下载链接：https://www.intel.com/content/www/us/en/developer/tools/oneapi/base-toolkit-download.html

第四步：请下载并安装 Anaconda，然后用下面的命令创建名为“bigdl”的虚拟环境。

conda create -n bigdl python=3.9 libuvconda activate bigdl

2. 安装 BigDL-LLM[xpu]

第一步：用下载器 (例如：迅雷) 下载*.whl 安装包到本地。

下载链接：

• https://intel-extension-for-pytorch.s3.amazonaws.com/ipex_stable/xpu/torch-2.1.0a0%2Bcxx11.abi-cp39-cp39-win_amd64.whl

• https://intel-extension-for-pytorch.s3.amazonaws.com/ipex_stable/xpu/torchvision-0.16.0a0%2Bcxx11.abi-cp39-cp39-win_amd64.whl

• https://intel-extension-for-pytorch.s3.amazonaws.com/ipex_stable/xpu/intel_extension_for_pytorch-2.1.10%2Bxpu-cp39-cp39-win_amd64.whl

第二步：执行命令：

# 从本地安装已下载的.whl安装包pip install torch-2.1.0a0+cxx11.abi-cp39-cp39-win_amd64.whlpip install torchvision-0.16.0a0+cxx11.abi-cp39-cp39-win_amd64.whlpip install intel_extension_for_pytorch-2.1.10+xpu-cp39-cp39-win_amd64.whl
# 安装支持英特尔显卡的bigdl-llmpip install --pre --upgrade bigdl-llm[xpu] -i https://mirrors.aliyun.com/pypi/simple/

详情参考：

https://bigdl.readthedocs.io/en/latest/doc/LLM/Overview/install_gpu.html

第三步：运行范例程序

首先：执行命令，配置环境变量：

conda activate bigdlcall "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"set SYCL_CACHE_PERSISTENT=1set BIGDL_LLM_XMX_DISABLED=1

若系统中有集成显卡，请执行下面的命令，保证英特尔独立显卡是“xpu”指代的计算设备，

详情参考：

https://github.com/intel-analytics/BigDL/issues/9768

set ONEAPI_DEVICE_SELECTOR=level_zero:1

然后，请下载范例程序并运行：

https://gitee.com/Pauntech/chat-glm3/blob/master/chatglm3_infer_gpu.py

import timefrom bigdl.llm.transformers import AutoModelfrom transformers import AutoTokenizerimport intel_extension_for_pytorch as ipeximport torchCHATGLM_V3_PROMPT_FORMAT = "<|user|>\n{prompt}\n<|assistant|>"# 请指定chatglm3-6b的本地路径model_path = "d:/chatglm3-6b"# 载入ChatGLM3-6B模型并实现INT4量化model = AutoModel.from_pretrained(model_path,                                  load_in_4bit=True,                                  trust_remote_code=True)# run the optimized model on Intel GPUmodel = model.to('xpu')# 载入tokenizertokenizer = AutoTokenizer.from_pretrained(model_path,                                          trust_remote_code=True)# 制作ChatGLM3格式提示词    prompt = CHATGLM_V3_PROMPT_FORMAT.format(prompt="What is Intel?")# 对提示词编码input_ids = tokenizer.encode(prompt, return_tensors="pt")input_ids = input_ids.to('xpu')st = time.time()# 执行推理计算，生成Tokensoutput = model.generate(input_ids,max_new_tokens=32)end = time.time()# 对生成Tokens解码并显示output_str = tokenizer.decode(output[0], skip_special_tokens=True)print(f'Inference time: {end-st} s')print('-'*20, 'Prompt', '-'*20)print(prompt)print('-'*20, 'Output', '-'*20)print(output_str)

运行结果，如下所示：

3. 运行 ChatGLM3-6B WebUI demo

首先，请先安装依赖软件包：

pip install gradio mdtex2html streamlit -i https://mirrors.aliyun.com/pypi/simple/

然后，运行命令，配置环境变量：

conda activate bigdlcall "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"set SYCL_CACHE_PERSISTENT=1set BIGDL_LLM_XMX_DISABLED=1

若系统中有集成显卡，请执行下面的命令，保证英特尔独立显卡是“xpu”指代的计算设备。

详情参考：

https://github.com/intel-analytics/BigDL/issues/9768

set ONEAPI_DEVICE_SELECTOR=level_zero:1

最后，请下载范例程序：

https://gitee.com/Pauntech/chat-glm3/blob/master/chatglm3_web_demo_gpu.py

并运行：

streamlit run chatglm3_web_demo_gpu.py

运行结果如下：

总结

BigDL-LLM 工具包简单易用，仅需三步即可完成开发环境搭建、bigdl-llm[xpu]安装以及 ChatGLM3-6B 模型的 INT4量化以及在英特尔独立显卡上的部署。