FMBench

在任何AWS生成式AI服务上对任何基础模型(FM)进行基准测试 [Amazon SageMaker、Amazon Bedrock、Amazon EKS、Amazon EC2或使用您自己的端点。]

Amazon Bedrock | Amazon SageMaker | Amazon EKS | Amazon EC2

FMBench是一个Python包，用于对部署在任何AWS生成式AI服务上的任何基础模型(FM)进行性能基准测试和准确性评估，无论是部署在Amazon SageMaker、Amazon Bedrock、Amazon EKS还是Amazon EC2上。这些FM可以直接通过FMbench部署，或者如果它们已经部署，也可以通过FMBench支持的"使用自己的端点"模式进行基准测试。

以下是FMBench的一些显著特点：

高度灵活：它允许使用任何实例类型（g5、p4d、p5、Inf2）、推理容器（DeepSpeed、TensorRT、HuggingFace TGI等）以及张量并行、滚动批处理等参数的组合，只要这些组合受底层平台支持。
可对任何模型进行基准测试：它可用于对开源模型、第三方模型以及企业使用自己数据训练的专有模型进行基准测试。基准测试包括性能基准测试和模型评估（基于真实标准的准确性测量）。🚨 新功能：在2.0.0版本中添加了由LLM评估员组成的评估小组进行模型评估 🚨
可在任何地方运行：它可以在任何可以运行Python的AWS平台上运行，如Amazon EC2、Amazon SageMaker，甚至AWS CloudShell。重要的是要在AWS平台上运行此工具，以确保互联网往返时间不会包含在端到端响应时间延迟中。

介绍视频

为您的生成式AI工作负载确定最佳价格|性能服务堆栈

使用FMBench在任何AWS生成式AI服务上对LLM进行价格和性能（推理延迟、每分钟事务数）的基准测试。以下是FMBench生成的一个图表，用于帮助回答在Amazon SageMaker上托管的Llama2-13b模型的价格性能问题（图例中的实例类型已故意模糊处理，您可以在运行FMBench时生成的实际图表中找到它们）。

业务问题

为您的生成式AI工作负载确定最佳模型

使用FMBench通过LLM评估员小组（PoLL [1]）来确定模型准确性。以下是FMBench生成的一个图表，用于帮助回答Amazon Bedrock上各种FM的准确性问题（图表中的模型ID已故意模糊处理，您可以在运行FMBench时生成的实际图表中找到它们）。

随提示大小变化的准确性轨迹

整体准确性

已进行基准测试的模型

本仓库的configs文件夹中提供了以下模型的配置文件。

Amazon SageMaker上的Llama3

Llama3现已在SageMaker上可用（阅读博客文章），您现在可以使用FMBench对其进行基准测试。以下是在ml.p4d.24xlarge、ml.inf2.24xlarge和ml.g5.12xlarge实例上对Llama3-8b-instruct和Llama3-70b-instruct进行基准测试的配置文件。

Llama3-8b-instruct在ml.p4d.24xlarge和ml.g5.12xlarge上的配置文件。
Llama3-70b-instruct在ml.p4d.24xlarge和ml.g5.48xlarge上的配置文件。
Llama3-8b-instruct在ml.inf2.24xlarge和ml.g5.12xlarge上的配置文件。

所有基准测试模型完整列表

模型	EC2 g5	EC2 Inf2/Trn1	SageMaker g4dn/g5/p3	SageMaker Inf2/Trn1	SageMaker P4	SageMaker P5	Bedrock 按需吞吐量	Bedrock 预置吞吐量
Anthropic Claude-3 Sonnet							✅	✅
Anthropic Claude-3 Haiku							✅
Mistral-7b-instruct		✅	✅		✅	✅	✅
Mistral-7b-AWQ						✅
Mixtral-8x7b-instruct							✅
Llama3.1-8b instruct		✅	✅	✅			✅
Llama3.1-70b instruct		✅		✅			✅
Llama3-8b instruct	✅	✅	✅	✅	✅	✅	✅
Llama3-70b instruct	✅		✅	✅	✅		✅
Llama2-13b chat			✅	✅	✅		✅
Llama2-70b chat			✅	✅	✅		✅
Amazon Titan text lite							✅
Amazon Titan text express							✅
Cohere Command text							✅
Cohere Command light text							✅
AI21 J2 Mid							✅
AI21 J2 Ultra							✅
Gemma-2b			✅
Phi-3-mini-4k-instruct			✅
distilbert-base-uncased			✅

本次发布的新功能

2.0.3

2.0.2

代码清理、小bug修复和报告改进。

2.0.0

🚨 模型评估由**LLM评估员小组[1]**完成 🚨

发布历史

入门

FMBench作为Python包在PyPi上提供，安装后可作为命令行工具运行。所有包括指标、报告和结果在内的数据都存储在Amazon S3存储桶中。

[!重要] 💡 FMBench的所有文档都可在FMBench网站上获取您可以在 SageMaker 笔记本或 EC2 虚拟机上运行 FMBench。这两种选择在文档中都有详细说明。您甚至可以将 FMBench 作为Docker 容器运行。以下还提供了 SageMaker 的快速入门指南。

👉 以下部分讨论的是运行 FMBench 工具，与基础模型实际部署的位置不同。例如，我们可以在 EC2 上运行 FMBench，但被测试的模型可能部署在 SageMaker 或 Bedrock 上。

快速入门

在 SageMaker 笔记本上运行 FMBench

每次运行 FMBench 都需要一个配置文件，其中包含有关模型、部署步骤和要运行的测试的信息。典型的 FMBench 工作流程包括直接使用 FMBench GitHub 仓库中 configs 文件夹中已提供的配置文件，或根据您自己的需求编辑已提供的配置文件（比如您想在不同的实例类型或使用不同的推理容器进行基准测试等）。

👉 本仓库中包含一个简单的配置文件，其中标注了关键参数，请参见 config-llama2-7b-g5-quick.yml。该文件在 ml.g5.xlarge 实例和 ml.g5.2xlarge 实例上对 Llama2-7b 的性能进行基准测试。您可以按原样使用此配置文件进行快速入门。
使用下表中的按钮之一启动本仓库中包含的 AWS CloudFormation 模板。CloudFormation 模板在您的 AWS 账户中创建以下资源：Amazon S3 存储桶、Amazon IAM 角色和一个克隆了此仓库的 Amazon SageMaker 笔记本。创建的读取 S3 存储桶包含运行 FMBench 所需的所有文件（配置文件、数据集），而创建的写入 S3 存储桶将存储 FMBench 生成的指标和报告。CloudFormation 堆栈创建大约需要 5 分钟。

AWS 区域链接
us-east-1 (弗吉尼亚北部)
us-west-2 (俄勒冈)
us-gov-west-1 (GovCloud 西部)
CloudFormation 堆栈创建完成后，导航到 SageMaker 笔记本并打开 fmbench-notebook。

AWS 区域	链接
us-east-1 (弗吉尼亚北部)
us-west-2 (俄勒冈)
us-gov-west-1 (GovCloud 西部)

在 fmbench-notebook 中打开终端并运行以下命令。

conda create --name fmbench_python311 -y python=3.11 ipykernel
source activate fmbench_python311;
pip install -U fmbench

现在您可以使用以下命令行运行 fmbench。我们将使用 CloudFormation 堆栈放置在 S3 存储桶中的示例配置文件进行快速首次运行。
1. 我们使用 huggingface-pytorch-tgi-inference 推理容器，在 ml.g5.xlarge 和 ml.g5.2xlarge 实例类型上对 Llama2-7b 模型的性能进行基准测试。这个测试大约需要 30 分钟完成，花费约 0.20 美元。
2. 它使用简单的 750 字等于 1000 个词元的关系来获得更准确的词元计数表示，要获得更准确的词元计数，请使用 Llama2 分词器（下一节提供了说明）。强烈建议为了获得更准确的词元吞吐量结果，您应该使用特定于正在测试的模型的分词器，而不是默认分词器。本文档后面提供了有关如何使用自定义分词器的说明。

account=`aws sts get-caller-identity | jq .Account | tr -d '"'`
region=`aws configure get region`
fmbench --config-file s3://sagemaker-fmbench-read-${region}-${account}/configs/llama2/7b/config-llama2-7b-g5-quick.yml > fmbench.log 2>&1

打开另一个终端窗口，对fmbench.log文件执行tail -f命令，以查看运行时生成的所有跟踪信息。
```
tail -f fmbench.log
```
👉 查看这些配置文件以了解SageMaker和Bedrock的流式支持:
1. [config-llama3-8b-g5-streaming.yml](https://github.com/aws-samples/foundation-model-benchmarking-tool/blob/main/src/configs/llama3/8b/config-llama3-8b-g5-streaming.yml
2. [config-bedrock-llama3-streaming.yml](https://github.com/aws-samples/foundation-model-benchmarking-tool/blob/main/src/configs/bedrock/config-bedrock-llama3-streaming.yml
生成的报告和指标可在sagemaker-fmbench-write-<替换为你的aws区域>-<替换为你的aws账户id>存储桶中找到。指标和报告文件也会下载到本地的results目录(由FMBench创建)，基准测试报告以markdown文件形式保存为results目录中的report.md。你可以直接在SageMaker笔记本中查看渲染后的Markdown报告，或将指标和报告文件下载到你的机器上进行离线分析。

如果你想了解CloudFormation模板在幕后做了什么，请参阅带有详细说明的DIY版本

在GovCloud的SageMaker上运行`FMBench`

在GovCloud上运行FMBench不需要特殊步骤。上面的部分已提供了us-gov-west-1的CloudFormation链接。

通过Bedrock或其他服务提供的并非所有模型都在GovCloud中可用。以下命令展示了如何运行FMBench来对GovCloud中的Amazon Titan Text Express模型进行基准测试。更多详情请参阅Amazon Bedrock GovCloud页面。

account=`aws sts get-caller-identity | jq .Account | tr -d '"'`
region=`aws configure get region`
fmbench --config-file s3://sagemaker-fmbench-read-${region}-${account}/configs/bedrock/config-bedrock-titan-text-express.yml > fmbench.log 2>&1