在NVIDIA Jetson平台离线部署大模型

在NVIDIA Jetson平台离线部署大模型，开启离线具身智能新纪元。

本项目提供一种将LMDeploy移植到NVIDIA Jetson系列边缘计算卡的方法，并在Jetson计算卡上运行InternLM系列大模型，为离线具身智能提供可能。

最新新闻🎉

• [2024/3/15] 更新了对LMDeploy-v0.2.5。
• [2024/2/26] 本项目被LMDeploy官方社区收录。

已验证模型/平台

• ✅：已验证可运行
• ❌：已验证不可运行
• ⭕️：待验证

Models	InternLM-7B	InternLM-20B	InternLM2-1.8B	InternLM2-7B	InternLM2-20B
Orin AGX(32G) Jetpack 5.1	✅ Mem:??/?? 14.68 token/s	✅ Mem:??/?? 5.82 token/s	✅ Mem:??/?? 56.57 token/s	✅ Mem:??/?? 14.56 token/s	✅ Mem:??/?? 6.16 token/s
Orin NX(16G) Jetpack 5.1	✅ Mem:8.6G/16G 7.39 token/s	✅ Mem:14.7G/16G 3.08 token/s	✅ Mem:5.6G/16G 22.96 token/s	✅ Mem:9.2G/16G 7.48 token/s	✅ Mem:14.8G/16G 3.19 token/s
Xavier NX(8G) Jetpack 5.1	❌	❌	✅ Mem:4.35G/8G 28.36 token/s	❌	❌

未来工作

• 更新更多型号Jetson板卡的Benchmark测试数据
• 制作Jetson专用whl发行版
• 跟进更新版本的LMDeploy

部署教程

Jetson端离线运行InternLM大模型

创建模型保存目录：

mkdir -p ~/models

将S1.服务器端模型W4A16量化得到的internlm-chat-7b-turbomind.tgz上传到models目录下。

解压模型文件：

tar zxvf internlm-chat-7b-turbomind.tgz -C .

0.Bug解决：修改MMEngine库

Jetson端的pytorch不支持分布式的reduce算子，这会导致MMEngine库中与分布式有关的部分出现错误。

错误为：

AttributeError: module 'torch.distributed' has no attribute 'ReduceOp'

激活conda环境：

conda activate lmdeploy

用解释器方式运行python：

python

输入如下内容：

import mmengine
print(mmengine.__file__)

这就输出了MMEngine库的安装位置，笔者的是/home/nvidia/miniconda3/envs/lmdeploy/lib/python3.8/site-packages/mmengine/__init__.py，那么相应位置就是home/nvidia/miniconda3/envs/lmdeploy/lib/python3.8/site-packages/mmengine/，咱们用<path/to/mmengine>代替。

修改<path/to/mmengine>/logging/logger.py第208行：

- global_rank = _get_rank()
+ global_rank = 0

在运行就不会报错了。

注意：该方式过于粗暴，仅适用于Jetson平台部署推理，在服务器端会影响分布式功能！

1.终端运行

激活conda环境：

conda activate lmdeploy

运行模型：

lmdeploy chat turbomind ./internlm-chat-7b-turbomind

2.Python集成运行

编写运行脚本run_model.py，内容如下：

from lmdeploy import turbomind as tmif __name__ == "__main__":model_path = "./internlm-chat-7b-turbomind" # 修改成你的路径tm_model = tm.TurboMind.from_pretrained(model_path)generator = tm_model.create_instance()while True:inp = input("[User] >>> ")if inp == "exit":breakprompt = tm_model.model.get_prompt(inp)input_ids = tm_model.tokenizer.encode(prompt)for outputs in generator.stream_infer(session_id=0, input_ids=[input_ids]):res = outputs[1]response = tm_model.tokenizer.decode(res)print("[Bot] <<< {}".format(response))

激活conda环境：

conda activate lmdeploy

运行脚本：

python run_model.py

附录

• 为Jetson重装Jetpack
• LMDeploy-Jetson基准测试

引用

如果本项目对您的工作有所帮助，请使用以下格式引用：

@misc{2024lmdeployjetson,title={LMDeploy-Jetson：Opening a new era of Offline Embodied Intelligence},author={LMDeploy-Jetson Community},url={https://github.com/BestAnHongjun/LMDeploy-Jetson},year={2024}
}

致谢

• 书生·浦语大模型实战营
• 上海人工智能实验室
• trt-llm