Vidur: 微软推出的大规模LLM推理模拟框架

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:

容量规划:帮助用户为LLM部署找到最佳的配置方案。
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。
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。
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。
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。
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:

环境配置:可以使用mamba、venv或conda创建所需的Python环境。
安装依赖:使用提供的requirements.txt文件安装必要的依赖包。
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:

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。
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。