BitNet 开源项目教程

BitNet 开源项目教程

BitNet Official inference framework for 1-bit LLMs BitNet 项目地址: https://gitcode.com/gh_mirrors/bitne/BitNet

1. 项目介绍

BitNet 是一个官方推出的用于1-bit LLMs(例如 BitNet b1.58)推理的框架。它提供了一套优化内核,支持在CPU上快速且无损地推理1.58-bit模型(NPU和GPU支持即将到来)。BitNet的第一个版本旨在支持CPU上的推理,它在ARM CPU上实现了1.37倍到5.07倍的速度提升,并且对于大型模型,性能提升更为显著。此外,它还能减少55.4%到70.0%的能耗,进一步提高整体效率。在x86 CPU上,速度提升范围从2.37倍到6.17倍,能耗降低介于71.9%到82.2%之间。BitNet还能够在一个CPU上运行100B BitNet b1.58模型,达到每秒5-7个标记的阅读速度,显著增强了在本地设备上运行LLMs的潜力。

2. 项目快速启动

环境要求

  • Python >= 3.9
  • CMake >= 3.22
  • Clang >= 18

对于Windows用户,需要安装Visual Studio 2022,并确保以下选项被选中(这也会自动安装像CMake这样的所需附加工具):

  • 桌面开发与C++
  • C++的CMake工具
  • Windows的Git
  • C++的Clang编译器
  • LLVM-Toolset (clang)的MS-Build支持

对于Debian/Ubuntu用户,可以使用自动安装脚本:

bash -c "$(wget -O - https://apt.llvm.org/llvm.sh)"

克隆仓库

git clone --recursive https://github.com/microsoft/BitNet.git
cd BitNet

安装依赖

# (推荐) 创建一个新的conda环境
conda create -n bitnet-cpp python=3.9
conda activate bitnet-cpp
pip install -r requirements.txt

构建项目

下载模型从Hugging Face,将其转换为量化gguf格式,并构建项目:

python setup_env.py --hf-repo tiiuae/Falcon3-7B-Instruct-1.58bit -q i2_s

或者,您可以手动下载模型,并使用本地路径运行:

huggingface-cli download tiiuae/Falcon3-7B-Instruct-1.58bit --local-dir models/Falcon3-7B-Instruct-1.58bit
python setup_env.py -md models/Falcon3-7B-Instruct-1.58bit -q i2_s

运行推理

python run_inference.py -m models/Falcon3-7B-Instruct-1.58bit/ggml-model-i2_s.gguf -p "你是一个 helpful assistant" -cnv

3. 应用案例和最佳实践

  • 案例一:在服务器上部署BitNet,为Web服务提供快速的文本生成能力。
  • 案例二:在边缘设备上使用BitNet,为移动应用或物联网设备提供本地化的自然语言处理能力。

最佳实践:

  • 在部署前,确保模型已经在目标设备上进行了充分的测试。
  • 根据应用场景,合理选择量化类型和模型大小。

4. 典型生态项目

  • T-MAC:BitNet的内核构建在T-MAC的查找表方法之上,用于一般低比特位LLM的推理。
  • llama.cpp:BitNet项目基于llama.cpp框架,为1-bit LLMs提供推理支持。

BitNet Official inference framework for 1-bit LLMs BitNet 项目地址: https://gitcode.com/gh_mirrors/bitne/BitNet

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

邵育棋

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
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