8x7B MoE與Flash Attention 2結(jié)合，不到10行代碼實(shí)現(xiàn)快速推理
前段時(shí)間，Mistral AI 公布的 Mixtral 8x7B 模型爆火整個(gè)開(kāi)源社區(qū)，其架構(gòu)與 GPT-4 非常相似，很多人將其形容為 GPT-4 的「縮小版」。
我們都知道，OpenAI 團(tuán)隊(duì)一直對(duì) GPT-4 的參數(shù)量和訓(xùn)練細(xì)節(jié)守口如瓶。Mistral 8x7B 的放出，無(wú)疑給廣大開(kāi)發(fā)者提供了一種「非常接近 GPT-4」的開(kāi)源選項(xiàng)。
在基準(zhǔn)測(cè)試中，Mistral 8x7B 的表現(xiàn)優(yōu)于 Llama 2 70B，在大多數(shù)標(biāo)準(zhǔn)基準(zhǔn)測(cè)試上與 GPT-3.5 不相上下，甚至略勝一籌。
圖源：https://mistral.ai/news/mixtral-of-experts/
隨著這項(xiàng)研究的出現(xiàn)，很多人表示：「閉源大模型已經(jīng)走到了結(jié)局?！?/span>
短短幾周的時(shí)間，機(jī)器學(xué)習(xí)愛(ài)好者 Vaibhav (VB) Srivastav 表示：隨著 AutoAWQ（支持 Mixtral、LLaVa 等模型的量化）最新版本的發(fā)布，現(xiàn)在用戶可以將 Mixtral 8x7B Instruct 與 Flash Attention 2 結(jié)合使用，達(dá)到快速推理的目的，實(shí)現(xiàn)這一功能大約只需 24GB GPU VRAM、不到十行代碼。
圖源：https://twitter.com/reach_vb/status/1741175347821883502
AutoAWQ 地址：https://github.com/casper-hansen/AutoAWQ
操作過(guò)程是這樣的：
首先是安裝 AutoAWQ 以及 transformers：
pip install autoawq git+https://github. com/huggingface/transformers.git第二步是初始化 tokenizer 和模型：
第三步是初始化 TextStreamer：
第四步對(duì)輸入進(jìn)行 Token 化：
第五步生成：
當(dāng)你配置好項(xiàng)目后，就可以與 Mixtral 進(jìn)行對(duì)話，例如對(duì)于用戶要求「如何做出最好的美式咖啡？通過(guò)簡(jiǎn)單的步驟完成」，Mixtral 會(huì)按照 1、2、3 等步驟進(jìn)行回答。
項(xiàng)目中使用的代碼：
Srivastav 表示上述實(shí)現(xiàn)也意味著用戶可以使用 AWQ 運(yùn)行所有的 Mixtral 微調(diào)，并使用 Flash Attention 2 來(lái)提升它們。
看到這項(xiàng)研究后，網(wǎng)友不禁表示：真的很酷。
更多相關(guān)鏈接，請(qǐng)參考：
模型地址：https://huggingface.co/models?search=mixtral%20awq
Transformer 中量化技術(shù)：https://huggingface.co/docs/transformers/main/en/quantization
