PowerInfer: 消费级GPU上的高速大语言模型推理引擎

RayRay
PowerInfer大语言模型GPU加速混合CPU/GPU使用局部性设计Github开源项目

PowerInfer:消费级GPU上的高速大语言模型推理引擎

近年来,大语言模型(LLM)的快速发展为自然语言处理领域带来了革命性的变革。然而,这些庞大的模型通常需要强大的硬件资源才能高效运行,这限制了它们在个人设备上的应用。为了解决这一问题,来自上海交通大学的研究人员开发了PowerInfer,这是一个创新的LLM推理引擎,能够在配备单个消费级GPU的个人电脑上实现高速推理。

PowerInfer的核心设计理念

PowerInfer的核心设计理念是利用LLM推理中固有的高局部性。研究人员发现,LLM推理中的神经元激活呈现幂律分布的特征。这意味着有一小部分神经元(称为"热"神经元)在不同输入下都会被频繁激活,而大部分神经元(称为"冷"神经元)的激活则依赖于特定的输入。

基于这一洞察,PowerInfer设计了一个GPU-CPU混合推理引擎:

  1. 将频繁激活的"热"神经元预加载到GPU上,以实现快速访问。
  2. 将不常激活的"冷"神经元计算任务分配给CPU。

这种设计显著降低了GPU内存需求和CPU-GPU之间的数据传输,从而大幅提升了推理速度。

PowerInfer架构图

PowerInfer的关键技术

为了进一步优化推理性能,PowerInfer还集成了以下关键技术:

  1. 自适应预测器:动态预测神经元的激活情况,提高预加载的准确性。
  2. 神经元感知稀疏算子:针对稀疏激活模式优化计算。
  3. 异构计算:将粗粒度的矩阵计算分解为细粒度的"神经元簇",并根据不同硬件组件的特性动态调整这些簇的大小。
  4. I/O-计算流水线:采用神经元缓存和细粒度神经元簇级流水线技术,最大化神经元加载和计算的重叠。

这些技术的结合使PowerInfer能够充分利用消费级硬件的潜力,实现高效的LLM推理。

性能评估

研究人员对PowerInfer进行了全面的性能评估。在配备单个NVIDIA RTX 4090 GPU的个人电脑上,PowerInfer在各种LLM(包括OPT-175B)上实现了平均13.20 tokens/s的令牌生成速率,峰值可达29.08 tokens/s。这一性能仅比顶级服务器级A100 GPU低18%,同时显著优于llama.cpp,速度提升最高可达11.69倍。

PowerInfer性能评估

PowerInfer的特点和优势

  1. 高速推理:利用激活局部性和"热"/"冷"神经元概念,实现高效的LLM推理。
  2. 混合CPU/GPU利用:无缝集成CPU和GPU的内存/计算能力,实现均衡的工作负载和更快的处理速度。
  3. 易于集成:兼容流行的ReLU稀疏模型。
  4. 本地部署便捷:专为消费级硬件上的本地部署而设计和深度优化,实现低延迟的LLM推理和服务。
  5. 向后兼容:虽然与llama.cpp不同,但用户可以像使用llama.cpp一样使用大多数examples/,如服务器和批量生成。

支持的模型和平台

PowerInfer目前支持以下模型:

  • Falcon-40B
  • Llama2系列
  • ProSparse Llama2系列
  • Bamboo-7B

PowerInfer已在以下平台上进行了测试:

  • Linux上的x86-64 CPU(带AVX2指令),有或无NVIDIA GPU
  • Windows上的x86-64 CPU(带AVX2指令),有或无NVIDIA GPU
  • macOS上的Apple M芯片(仅CPU)

未来发展方向

PowerInfer团队正在积极开发新功能,包括:

  1. 支持Metal后端,实现macOS上的稀疏推理
  2. 支持更多模型架构
  3. 优化多GPU支持
  4. 改进量化技术
  5. 增强与其他框架的集成

结论

PowerInfer为在消费级硬件上运行大型语言模型开辟了新的可能性。通过创新的设计和优化技术,它使个人用户能够在自己的设备上体验高速LLM推理,而无需依赖昂贵的服务器级硬件。这不仅降低了使用LLM的门槛,还为未来的AI应用开发提供了新的机会。

随着PowerInfer的不断发展和完善,我们可以期待看到更多基于本地LLM的创新应用出现,从而推动人工智能技术向更加普及和个性化的方向发展。PowerInfer的出现无疑是大语言模型民主化进程中的一个重要里程碑,它为AI技术的普及和个人赋能开辟了新的道路。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多