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

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。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多