llmperf测试大模型API性能

大模型性能测试工具 好的,关于大模型性能测试工具,这是一个非常重要且活跃的领域。随着“百模大战”的展开,如何科学、全面地评估大语言模型(LLM)的能力变得至关重要。和。 阅读详情

llmperf测试大模型API性能

llmperf是一个用来评估LLM API性能的工具。

官方仓库地址:https://github.com/ray-project/llmperf

1. 安装准备

脚本依赖python3环境,测试前客户端安装python3,本文使用python版本为3.8。

# 创建一个python虚拟环境
python -m venv llmperf-env
source llmperf-env/bin/activate

# 安装依赖
pip install torch TensorFlow

# 取消代理设置
unset http_proxy
unset https_proxy

# 安装工具
git clone https://github.com/ray-project/llmperf.git
cd llmperf
pip install -e .

从huggingface下载分词器,并将下载后的文件安装如下目录放置到llmperf文件夹下:

https://huggingface.co/hf-internal-testing/llama-tokenizer/tree/main

$ ls
analyze-token-benchmark-results.ipynb  LICENSE.txt         NOTICE.txt     pyproject.toml  requirements-dev.txt  src
hf-internal-testing                    llm_correctness.py  pre-commit.sh  README.md       result_outputs        token_benchmark_ray.py

$ tree hf-internal-testing/
hf-internal-testing/
└── llama-tokenizer
    ├── gitattributes
    ├── special_tokens_map.json
    ├── tokenizer_config.json
    ├── tokenizer.json
    └── tokenizer.model

# 修改token_benchmark_ray.py,将分词器改为本地路径:
62     tokenizer = LlamaTokenizerFast.from_pretrained(
63         "./hf-internal-testing/llama-tokenizer"

2. 测试实践

支持负载测试和正确性测试。

2.1 大模型API负载测试

llmperf兼容不同类型的大模型API,包’openai’, ‘anthropic’, 'litellm’等。

OpenAI Compatible APIs:

export OPENAI_API_KEY=secret_abcdefg
export OPENAI_API_BASE="https://api.endpoints.anyscale.com/v1"

python token_benchmark_ray.py \
--model "meta-llama/Llama-2-7b-chat-hf" \
--mean-input-tokens 550 \
--stddev-input-tokens 150 \
--mean-output-tokens 150 \
--stddev-output-tokens 10 \
--max-num-completed-requests 2 \
--timeout 600 \
--num-concurrent-requests 1 \
--results-dir "result_outputs" \
--llm-api openai \
--additional-sampling-params '{}'

测试案例,以本地部署的大模型为例,测试baichuan2-13B-Chat模型。

# 设置大模型API的Key和URL,本次使用OPENAI_API类型的API进行测试。
export OPENAI_API_KEY=EMPTY
export OPENAI_API_BASE=http://10.210.18.41:32576/v1
# 运行脚本,设置测试的model,tokens相关参数,并发数量等。
python token_benchmark_ray.py --model "baichuan2-13B-Chat" --mean-input-tokens 100 --stddev-input-tokens 50 --mean-output-tokens 500 --stddev-output-tokens 100 --max-num-completed-requests 2 --timeout 600 --num-concurrent-requests 1 --results-dir "result_outputs" --llm-api openai --additional-sampling-params '{}'
2024-04-26 17:19:19,470 INFO worker.py:1749 -- Started a local Ray instance.
100%|████████████████████████████████████| 2/2 [00:11<00:00,  5.67s/it]
\Results for token benchmark for baichuan2-13B-Chat queried with the openai api.

inter_token_latency_s
    p25 = 0.08192225433145225
    p50 = 0.08256251340393315
    p75 = 0.08320277247641406
    p90 = 0.08358692791990259
    p95 = 0.08371497973439876
    p99 = 0.08381742118599571
    mean = 0.08256251340393315
    min = 0.08128199525897137
    max = 0.08384303154889494
    stddev = 0.001810926127469796
ttft_s
    p25 = 0.1733547967596678
    p50 = 0.18000664250575937
    p75 = 0.18665848825185094
    p90 = 0.19064959569950587
    p95 = 0.1919799648487242
    p99 = 0.19304426016809884
    mean = 0.18000664250575937
    min = 0.16670295101357624
    max = 0.1933103339979425
    stddev = 0.018814260937872945
end_to_end_latency_s
    p25 = 3.06721269452828
    p50 = 5.121514831029344
    p75 = 7.175816967530409
    p90 = 8.408398249431048
    p95 = 8.81925867673126
    p99 = 9.147947018571431
    mean = 5.121514831029344
    min = 1.0129105580272153
    max = 9.230119104031473
    stddev = 5.810443885303661
request_output_throughput_token_per_s
    p25 = 9.643341004971674
    p50 = 10.401396010428488
    p75 = 11.159451015885304
    p90 = 11.614284019159394
    p95 = 11.765895020250756
    p99 = 11.887183821123847
    mean = 10.401396010428488
    min = 8.88528599951486
    max = 11.917506021342119
    stddev = 2.1441033394836757
number_input_tokens
    p25 = 99.5
    p50 = 103.0
    p75 = 106.5
    p90 = 108.6
    p95 = 109.3
    p99 = 109.86
    mean = 103.0
    min = 96
    max = 110
    stddev = 9.899494936611665
number_output_tokens
    p25 = 34.25
    p50 = 59.5
    p75 = 84.75
    p90 = 99.9
    p95 = 104.94999999999999
    p99 = 108.99
    mean = 59.5
    min = 9
    max = 110
    stddev = 71.4177848998413
Number Of Errored Requests: 0
Overall Output Throughput: 10.486871057088438
Number Of Completed Requests: 2
Completed Requests Per Minute: 10.574996023954728

# result_outputs文件夹下的结果输出
ls -alh baichuan2-13B-Chat_100_500_*
-rw-r--r-- 1 root root 1.9K Apr 26 18:00 baichuan2-13B-Chat_100_500_individual_responses.json
-rw-r--r-- 1 root root 4.4K Apr 26 18:00 baichuan2-13B-Chat_100_500_summary.json

测试脚本参数解读:

python token_benchmark_ray.py --help
None of PyTorch, TensorFlow >= 2.0, or Flax have been found. Models won't be available and only tokenizers, configuration and file/data utilities can be used.
2024-04-26 17:58:32,799 INFO worker.py:1749 -- Started a local Ray instance.
usage: token_benchmark_ray.py [-h] --model MODEL [--mean-input-tokens MEAN_INPUT_TOKENS] [--stddev-input-tokens STDDEV_INPUT_TOKENS] [--mean-output-tokens MEAN_OUTPUT_TOKENS]
                              [--stddev-output-tokens STDDEV_OUTPUT_TOKENS] [--num-concurrent-requests NUM_CONCURRENT_REQUESTS] [--timeout TIMEOUT]
                              [--max-num-completed-requests MAX_NUM_COMPLETED_REQUESTS] [--additional-sampling-params ADDITIONAL_SAMPLING_PARAMS] [--results-dir RESULTS_DIR] [--llm-api LLM_API]
                              [--metadata METADATA]

Run a token throughput and latency benchmark.

options:
  -h, --help            show this help message and exit
  --model MODEL         The model to use for this load test.
  --mean-input-tokens MEAN_INPUT_TOKENS
                        The mean number of tokens to send in the prompt for the request. (default: 550)     # 请求中prompt的平均token数,默认值550。
  --stddev-input-tokens STDDEV_INPUT_TOKENS
                        The standard deviation of number of tokens to send in the prompt for the request. (default: 150)    # 请求中prompt的token数的标准差,默认值150。
  --mean-output-tokens MEAN_OUTPUT_TOKENS
                        The mean number of tokens to generate from each llm request. This is the max_tokens param for the completions API. Note that this is not always the number of tokens returned.
                        (default: 150)  # 从每个LLM请求中生成的平均token数。这是completions API的max_tokens参数。注意这并不一定总是是返回的token数,默认值150。
  --stddev-output-tokens STDDEV_OUTPUT_TOKENS
                        The stdandard deviation on the number of tokens to generate per llm request. (default: 80)  # 每个LLM请求生成的token数的标准差,默认值80。
  --num-concurrent-requests NUM_CONCURRENT_REQUESTS
                        The number of concurrent requests to send (default: 10)     # 要发送的并发请求数量。默认值为10。
  --timeout TIMEOUT     The amount of time to run the load test for. (default: 90)      # 运行负载测试的时间长度。默认90s。
  --max-num-completed-requests MAX_NUM_COMPLETED_REQUESTS
                        The number of requests to complete before finishing the test. Note that its possible for the test to timeout first. (default: 10)   # 在测试结束前完成的请求数量,如果超过设定时间,测试提前结束。
  --additional-sampling-params ADDITIONAL_SAMPLING_PARAMS
                        Additional sampling params to send with the each request to the LLM API. (default: {}) No additional sampling params are sent.
  --results-dir RESULTS_DIR
                        The directory to save the results to. (`default: `) No results are saved)   # 输出结果路径
  --llm-api LLM_API     The name of the llm api to use. Can select from ['openai', 'anthropic', 'litellm'] (default: openai)    # 大模型API类型
  --metadata METADATA   A comma separated list of metadata to include in the results, e.g. name=foo,bar=1. These will be added to the metadata field of the results.

2.2 大模型API正确性测试

OpenAI Compatible APIs:

export OPENAI_API_KEY=secret_abcdefg
export OPENAI_API_BASE=https://console.endpoints.anyscale.com/m/v1

python llm_correctness.py \
--model "meta-llama/Llama-2-7b-chat-hf" \
--max-num-completed-requests 150 \
--timeout 600 \
--num-concurrent-requests 10 \
--results-dir "result_outputs"

实践案例,以本地部署的大模型为例,测试baichuan2-13B-Chat模型。

export OPENAI_API_KEY=EMPTY
export OPENAI_API_BASE=http://10.210.18.41:32576/v1
python llm_correctness.py \
> --model "baichuan2-13B-Chat" \
> --max-num-completed-requests 150 \
> --timeout 600 \
> --num-concurrent-requests 10 \
> --results-dir "result_outputs"
2024-04-26 18:24:10,240 INFO worker.py:1749 -- Started a local Ray instance.
  0%|                                                                                                                                                                             | 0/150 [00:00<?, ?it/s](raylet) WARNING: 16 PYTHON worker processes have been started on node: 424e0f50137d0212cb68607fc3306ab347751605fbc7973d6f0a9db1 with address: 172.16.0.9. This could be a result of using a large number of actors, or due to tasks blocked in ray.get() calls (see https://github.com/ray-project/ray/issues/3644 for some discussion of workarounds).
100%|███████████████████████████████████| 150/150 [02:12<00:00,  1.13it/s]
Mismatched and errored requests.
    mismatched request: 900197, expected: 9197
    mismatched request: 5000, 300, 53, expected: 5353
    mismatched request: 404407, expected: 4447
    mismatched request: 200811, expected: 2811
    ...

Results for llm correctness test for baichuan2-13B-Chat queried with the openai api.
Errors: 0, Error rate: 0.0
Mismatched: 109, Mismatch rate: 0.7266666666666667
Completed: 150
Completed without errors: 150

# result_outputs文件夹下的结果输出
ls baichuan2-13B-Chat_correctness_* -alh
-rw-r--r-- 1 root root 140K Apr 26 18:26 baichuan2-13B-Chat_correctness_individual_responses.json
-rw-r--r-- 1 root root  405 Apr 26 18:26 baichuan2-13B-Chat_correctness_summary.json

3. 在线案例

网上能查到的测试案例https://huggingface.co/datasets/ssong1/llmperf-bedrock

横向比较不同的provider,参数设置如下:

  • 请求总数:100
  • 并发:1
  • 提示的令牌长度:1024
  • 预期输出长度:1024
  • 试验型号:claude-instant-v1-100k
python token_benchmark_ray.py \
    --model bedrock/anthropic.claude-instant-v1 \
    --mean-input-tokens 1024 \
    --stddev-input-tokens 0 \
    --mean-output-tokens 1024 \
    --stddev-output-tokens 100 \
    --max-num-completed-requests 100 \
    --num-concurrent-requests 1 \
    --llm-api litellm

利用 LLMPerf,我们对一系列 LLM 推理提供程序进行了基准测试。 我们的分析侧重于根据以下关键指标评估其性能、可靠性和效率:

  1. 输出令牌吞吐量,表示每秒返回的平均输出令牌数。此指标对于需要高吞吐量(如摘要和翻译)的应用程序非常重要,并且易于在不同模型和提供商之间进行比较。
  2. 第一个令牌的时间 (TTFT),表示 LLM 返回第一个令牌的持续时间。TTFT 对于聊天机器人等流媒体应用程序尤为重要。

第一个令牌的时间(秒):对于流式处理应用程序,TTFT 是 LLM 返回第一个令牌之前的时间。

FrameworkModelMedianMeanMinMaxP25P75P95P99
bedrockclaude-instant-v11.211.291.122.191.171.271.892.17

输出令牌吞吐量(令牌/秒):输出令牌吞吐量以每秒返回的平均输出令牌数来衡量。 我们通过向每个 LLM 推理提供者发送 100 个请求来收集结果,并根据 100 个请求计算平均输出令牌吞吐量。 输出令牌吞吐量越高,表示 LLM 推理提供程序的吞吐量越高。

FrameworkModelMedianMeanMinMaxP25P75P95P99
bedrockclaude-instant-v165.6465.9816.05110.3857.2975.5799.73106.42
llmperf测试本地大模型接口并发实践 实验结论:基于vllm部署的deepseek-32b模型并发情况随并发数量增加,模型每秒返回token数量逐渐递减。为了运行llmperf库,将ray包降级为2.0.0, 将pydantic包也降级为1.10.21,最后成功运行,但是当运行中并发设置为200又报错,系统给与线程资源数量不足问题,最后尚未解决这个问题。本次测试基于四张A40显卡,基于vllm框架部署deepseek-32b蒸馏模型,部署设置每张卡显存占用比例为0.6,max_token_len为50000,, 输出 token 数的标准差。 阅读详情

相关推荐

LLMPerf:基于大语言模型的GPU性能预测新方法

GPU性能建模是高性能计算的关键技术,传统方法包括解析模型和统计模型,各有优缺点。解析模型精度高但调参复杂,统计模型自动化程度高但需运行时数据采集。LLMPerf创新性地引入大语言模型,通过静态代码分析实现执行时间预测,解决了硬件架构升级时的模型重新校准问题,避免了动态特征采集的开销,并提升了对新兴计算模式的泛化能力。该技术在编译器优化、作业调度等场景具有重要应用价值,特别是在异构计算集群中,结合历史数据可实现动态负载均衡,显著提升集群利用率。LLMPerf框架通过多维度采样策略和智能输入生成算法构建高质量

weixin_42627459的博客 291

LLMPerf-为LLM提供可重现的性能指标

例如,一个在p4de实例上运行的CodeLlama 34B模型可以配置为8个每个使用1个GPU的副本,4个每个使用2个GPU的副本,2个每个使用4个GPU的副本,或者1个使用所有8个GPU的副本。实际上,我们确实尝试通过比较550个输入令牌和3500个输入令牌的输出并估计梯度来用回归法估算这个关系,发现每增加一个输入令牌会增加0.3-0.7毫秒的端到端时间,而每增加一个输出令牌会增加30-60毫秒的端到端时间(针对在Anyscale Endpoints上运行的Llama 2 70b)。

lldhsds的专栏 2259

从零开始:H20服务器上DeepSeek R1 671B大模型部署与压力测试全攻略

最近,我有幸在工作中接触到了DeepSeek R1 671B模型,这是目前中文开源领域参数量最大的高质量模型之一。DeepSeek团队在2024年推出的这款模型,以其惊人的6710亿参数量和出色的推理性能,引起了业界广泛关注。作为一名AI基础设施工程师,我有机会在H20服务器上部署这个庞然大物,并对其进行了全面的压力测试。这篇文章将详细记录我的部署过程和性能测试方法,希望能为大家提供一些参考。💡为什么选择DeepSeek R1?超大规模参数量(671B)优秀的中英文理解能力开源可商用的许可证。

wangli的博客 1万+

llmperf 大模型性能测试工具怎么用,输出参数解读

衡量「预填(prefill) + 首 token 生成」这一步的延迟,对交互体验影响极大。同样提供 p25–p99、mean、min、max、stddev 等统计量,帮助查看尾部延迟情况。GenAI‑Perf/LLMPerf 工具会忽略空响应,保证 TTFT 测量有效性e2e包含了 prompt 发送、模型推理、token 流式接收以及网络传输等所有环节。用于衡量单次完整对话请求的响应速度。

qq_45673733的博客 1812

llmperf测试大模型API性能[项目代码]

llmperf是一个用于评估大模型API性能的工具,支持负载测试和正确性测试。文章详细介绍了llmperf的安装与配置步骤,包括Python环境准备、依赖安装、分词器下载及路径设置。在测试实践部分,文章展示了如何使用llmperf进行大模型API的负载测试和正确性测试,包括参数设置、测试命令及结果分析。此外,文章还提供了一个在线案例,比较了不同provider的性能指标,如输出令牌吞吐量和第一个令牌的时间(TTFT)。通过这些测试,用户可以评估大模型API的性能、可靠性和效率。

llmperf 压测大模型 API:TaoToken 统一通道下的性能基准配置与验证

用 llmperf 压测大模型 API 时,先本地化 tokenizer 再改脚本路径即可跑通。本文给出可复制的 llmperf 配置骨架,结合 TaoToken 统一通道接入,只需切换 model 名就能横向对比多模型性能,并附 TTFT、吞吐等指标判读与常见报错排查。详见 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42466857的博客 166

微信小程序导航栏滑动一定距离后固定到顶部

接上一篇文章的内容,通常在一个页面中部会有一个导航栏查看不同的内容,这篇文章旨在实现在页面下滑的过程中导航栏自动固定到顶部以便我们阅读过程中的切换。 下滑一段距离后自动固定到顶部 首先,思考这个功能应该是怎么实现的: 在页面下滑的过程中,我们希望系统应当能识别下滑了多少距离,当原本的导航栏逐渐被遮住以后(遮住意味着下滑了特定距离),触发这个功能,执行另一种样式,将导航栏固定在页面顶端,同时如果我们将页面往上滑,系统能识别到原来的导航栏能露出来了(即距离顶端的高度小于一个特定的值),这时候又执行最初的样式

Oblivision_Geek的博客 4029

llmperf 大模型性能测试工具怎么用:输出参数解读与 TaoToken 统一 Key 接入实测

llmperf 大模型性能测试工具实测:从 conda 环境、tokenizer 路径到输出参数解读,接入 TaoToken 统一 Key 完成多模型横向对比。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 提供 OpenAI 兼容通道,改 --model 即可切换被测模型,重点看 TTFT p95、总吞吐与错误率。

weixin_35756637的博客 13

从Power到HO:一文搞懂主流脑图谱在DPABI里怎么选,让你的rs-fMRI分析更精准

本文深入解析了rs-fMRI分析中主流脑图谱(如Power、HO、AAL等)在DPABI中的科学选择策略,帮助研究者根据不同的神经科学研究目标优化分析流程。从解剖学图谱到功能连接图谱的特性对比,到DPABI实操中的多图谱分析工作流,提供了全面的方法论指导,助力提升静息态功能磁共振成像(rs-fMRI)研究的精准度和可重复性。

weixin_30654583的博客 403

Altium Designer操作技巧(12)——如何进行邮票孔拼版?

【摘要】本文详细介绍了PCB设计中邮票孔拼板的全流程操作方法。首先解释了邮票孔拼板的定义、核心目的(提高贴片效率、方便生产)和适用场景(异形板、V-CUT无法实现的情况)。重点阐述了关键设计参数,包括孔径、数量、间隙等规范要求,并提供了两种具体操作方案:传统复制粘贴法和新版阵列放置法。文章通过图文详细演示了从PCB复制、邮票孔添加、板框定义到定位孔和Mark点设置的完整步骤,最后强调了对称性、非金属化孔等设计要点,以及需要与板厂确认工艺参数等注意事项。

u012526819的博客 1672

llmperf 实测大模型 API 性能:TaoToken 统一通道下的压测与调优

用 llmperf 压测大模型 API 前,先改 token_benchmark_ray.py 的分词器路径为本地目录,再填 TaoToken 统一通道三件套。本文给出可复制配置与并发阶梯实测方法,解读 TTFT、吞吐与错误率,并排查 401、404、代理残留等常见报错。官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42577735的博客 7

AgentScope Java多智能体框架

AgentScope Java 的核心设计理念是“Agent-Oriented Programming” (面向智能体编程)。

zzz19920821的博客 1733

LLMPerf:评估大型语言模型API性能的工具

在当前人工智能技术飞速发展的时代,大型语言模型(LLM)已成为自然语言处理领域的核心技术。评估这些模型API的性能,对于开发者和使用者来说至关重要。本文将为您介绍一款名为LLMPerf的开源工具,它可以帮助您轻松评估LLM API的性能。 ## 项目介绍 LLMPerf是一款用于评估LLM API性能的工具。它通过实施负载测试和正确性测试两种测试方式,帮助用户了解LLM API在不同条件下的性...

gitblog_00137的博客 571

WGS-84 ECEF ENU 坐标系学习记录

地球坐标系固定在地球上而随地球一起在空间做公转和自转运动,因此地球上任一固定点在地球坐标系的坐标就不会由于地球旋转而变化。地心地固直角坐标系和大地坐标系都属于这种坐标系。 一、 几种坐标系 地心地固直角坐标系(ECEF)坐标系 其原点为地球的质心,x轴延伸通过本初子午线(0度经度)和赤道(0deglatitude)的交点。 z轴延伸通过的北极(即,与地球旋转轴重合)。 y轴完成右手坐标系,穿...

YYshuangshuang的博客 1万+

【32】C# WinForm入门到精通 ——打开文件OpenFileDialog 【属性、方法、事件、实例、源码】

本文介绍了WinForm开发中OpenFileDialog控件的关键属性及其应用。OpenFileDialog是.NET Framework提供的文件对话框控件,主要用于选择、打开文件操作。文章详细讲解了11个核心属性:AddExtension(自动补全扩展名)、AutoUpgradeEnabled(外观升级)、CheckFileExists/CheckPathExists(文件/路径存在验证)、DefaultExt(默认扩展名)、DereferenceLinks(解析快捷方式)、FileName/File

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 1534

大模型性能测试工具:选型指南与核心能力解析,收藏这篇就够了

*工具实战:**集中训练抓包工具(Wireshark)、渗透测试工具(Nmap)、漏洞扫描工具(Nessus 基础版)的使用,结合模拟场景练习工具应用(掌握基础扫描逻辑,为 SRC 漏扫工具进阶做准备)。实战技能训练:开展漏洞扫描、漏洞利用、电商系统渗透测试、内网渗透、权限提升(Windows、Linux)、代码审计等实战训练,结合运维中熟悉的系统环境设计测试场景(强化红蓝对抗攻击端技术能力)。随着“百模大战”的展开,如何科学、全面地评估大语言模型(LLM)的能力变得至关重要。

Javachichi的博客 2512

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

可复现的语言大模型推理性能指标

LLMPerf是一个开源项目,旨在帮助用户对语言模型进行基准测试,并使其性能具有可复现性。它能够帮助用户评估不同LLM的性能,并根据具体任务做出明智的决策。该项目选择了多个指标来衡量LLM的性能,包括吞吐量、时延、内存使用和成本等。本文介绍了如何使用LLMPerf进行基准测试,并提供了一些实用的技巧和建议。此外,本文还对当前最流行的LLM进行了基准测试,并提供了详细的结果和分析。需要说明的是,LL...

OneFlow深度学习框架 4736

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

大模型的推理速度和测试方法

从系统接收到用户的请求,到模型生成并返回第一个 Token(字/词)所花费的时间。

nember_1的博客 587

使用LLMPerf和LiteLLM对Amazon Bedrock上私有化部署的DeepSeek-R1进行基准测试:TaoToken统一Key接入实战

用LLMPerf和LiteLLM对Amazon Bedrock上私有化部署的DeepSeek-R1做基准测试,先跑通TaoToken统一Key接入,再复制config.yaml与压测脚本,解读TTFT、吞吐与错误率报告。官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42613360的博客 191

LLMPerf 压测 TTFT/TPS,Base URL 填 TaoToken

LLMPerf 跑压测前先填对 api_base:用 https://taotoken.net/api(不加 /v1),Key 从 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 创建,再跑单并发最小请求验证 TTFT、TPOT/TPS 是否返回。本文按验证用量视角补全通道准备:先排查 401/404 与模型 ID 不匹配,再复制 LLMPerf 配置,从 1 并发阶梯加压到 10、50、100,观察拐点。TaoToke

weixin_36431145的博客 10

如何对deepseek进行压力测试

【代码】如何对deepseek进行压力测试。

alankuo的专栏 330

Mermaid Live Editor:零配置免费的在线 mermaid 图表编辑器

Mermaid Live Editor 是 mermaid 官方出品、基于 SvelteKit 的在线图表编辑器,输入 mermaid 代码即可实时渲染预览。最大卖点:图表内容直接编码进 URL,发一个链接就等于把整张图分享出去。 ## 🎯 画完图却卡在"没法给别人看" 你可能遇到过:用画图工具画完一张架构图,想让同事改两个节点,对方没装软件,你只能截图发过去;对方看完提了意见,你导出发回,

gitblog_00600的博客 317

AI 推理速度指标

大模型推理速度的评估需结合具体应用场景,主要考察三大指标:首字延迟(TTFT)、单字生成速度(TPS)和系统吞吐量(RPS)。在对话场景中,优秀体验要求TTFT<500ms、TPS>20tokens/s;代码补全则需更高TPS(>50tokens/s)。专业测试需控制输入输出长度、硬件等变量,使用vLLM、LLMPerf等工具进行阶梯式并发压测,找出系统性能拐点。科学的测试方法能准确评估模型在实际部署中的表现。

nember_1的博客 498

万亿参数实战:H20服务器部署DeepSeek R1 671B及高并发压力测试指南

最近,我有幸在工作中接触到了DeepSeek R1 671B模型,这是目前中文开源领域参数量最大的高质量模型之一。DeepSeek团队在2024年推出的这款模型,以其惊人的6710亿参数量和出色的推理性能,引起了业界广泛关注。作为一名AI基础设施工程师,我有机会在H20服务器上部署这个庞然大物,并对其进行了全面的压力测试。这篇文章将详细记录我的部署过程和性能测试方法,希望能为大家提供一些参考。💡为什么选择DeepSeek R1?超大规模参数量(671B)优秀的中英文理解能力开源可商用的许可证。

weixin_46938490的博客 2730
上一篇: Dockerfile加docker-compose构建编排web应用
下一篇: LLMPerf测试工具使用指导
KongTY312
博客等级 码龄12年 2143粉丝 189原创
评论 9
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

KongTY312

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值