Vidur: 微软推出的大规模LLM推理模拟框架

RayRay
VidurLLM推理模拟器系统性能模型支持GPU配置Github开源项目

Vidur:微软推出的大规模LLM推理模拟框架

Vidur Chrome Trace

在人工智能和机器学习领域,大语言模型(LLM)的发展日新月异。然而,这些模型的规模和复杂性也带来了巨大的计算资源需求和系统优化挑战。为了帮助研究人员和工程师更好地应对这些挑战,微软近日推出了一个名为Vidur的大规模LLM推理模拟框架。

Vidur的主要特点和功能

Vidur是一个高度精确和可扩展的LLM推理模拟器,具有以下主要特点和功能:

  1. 容量规划:帮助用户为LLM部署找到最佳的配置方案。

  2. 研究测试:可以用于测试新的调度算法、推测解码等优化技术。

  3. 性能研究:研究不同工作负载和配置下模型的系统性能表现。

  4. 低资源需求:除了初始的快速分析阶段,无需访问实际的GPU资源。

  5. 高度精确:采用实验分析和预测建模相结合的方法,模拟LLM操作的性能。

  6. 易于扩展:框架设计灵活,可以方便地添加新的模型和硬件支持。

Vidur的这些特性使其成为LLM研究和部署领域的强大工具,可以大大降低相关工作的门槛和成本。

Vidur支持的模型和硬件

目前,Vidur支持多种主流的LLM模型,包括:

  • Meta的Llama系列模型(Llama-2-7B、Llama-2-70B等)
  • CodeLlama-34B
  • InternLM-20B
  • Qwen-72B

在硬件方面,Vidur支持以下几种GPU配置:

  • A100 80GB DGX
  • H100 DGX
  • 4xA100 80GB Pairwise NVLink Node
  • 8xA40 Pairwise NVLink Node

Vidur还支持张量并行(TP)和流水线并行(PP)等并行计算技术。例如,用户可以在4xA100 80GB Pairwise NVLink节点上以TP2-PP2的配置运行LLaMA2-70B模型。

Vidur的使用方法

使用Vidur进行模拟非常简单,主要包括以下几个步骤:

  1. 环境配置:可以使用mamba、venv或conda创建所需的Python环境。

  2. 安装依赖:使用提供的requirements.txt文件安装必要的依赖包。

  3. 运行模拟:通过命令行参数配置模拟场景,然后运行主程序。

例如,以下命令可以运行一个简单的模拟:

python -m vidur.main \ --replica_config_device a100 \ --replica_config_model_name meta-llama/Llama-2-7b-hf \ --cluster_config_num_replicas 1 \ --replica_config_tensor_parallel_size 1 \ --replica_config_num_pipeline_stages 1 \ --request_generator_config_type synthetic \ --length_generator_config_type trace \ --interval_generator_config_type static \ --synthetic_request_generator_config_num_requests 128 \ --replica_scheduler_config_type vllm

用户可以根据需要调整各种参数,以模拟不同的场景和配置。

Vidur的输出和分析

Vidur的模拟结果主要包括两部分:

  1. 性能指标:会直接记录到wandb平台,同时也会保存在本地的simulator_output目录中。这些指标涵盖了吞吐量、延迟、GPU利用率等多个方面。

  2. Chrome跟踪:每次模拟都会生成一个Chrome跟踪文件,保存在simulator_output目录中。用户可以通过Chrome浏览器的tracing功能可视化这些跟踪,直观地了解模型推理过程中的各种事件和时间分布。

通过分析这些输出,研究人员和工程师可以深入了解LLM在不同场景下的性能表现,为进一步的优化和决策提供依据。

Vidur的开源和社区贡献

作为一个开源项目,Vidur欢迎来自社区的贡献。微软采用了标准的开源贡献流程,包括签署贡献者许可协议(CLA)等步骤。项目遵循Microsoft开源行为准则,鼓励友好、包容的社区氛围。

对于希望为Vidur添加新模型或硬件支持的贡献者,项目文档中提供了详细的指南。这种开放的态度有助于Vidur不断扩展其功能,跟上LLM领域的最新发展。

结语

Vidur的推出,为LLM研究和部署领域带来了一个强大而灵活的工具。它不仅可以帮助研究人员更高效地进行实验和创新,也能帮助工程师更好地规划和优化LLM的实际部署。随着LLM技术的不断发展,像Vidur这样的模拟工具将在推动整个领域进步中发挥越来越重要的作用。

我们可以期待,在开源社区的共同努力下,Vidur会支持更多的模型和硬件配置,提供更精确的模拟结果,最终为LLM的广泛应用铺平道路。无论是学术研究还是工业应用,Vidur都将是一个值得关注和使用的重要工具。

编辑推荐精选

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。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多