dustynv/llama_cpp

llama_cpp

概述

• 基于 https://github.com/ggerganov/llama.cpp 构建，启用CUDA支持（位于 /opt/llama.cpp）
• 包含 https://github.com/abetlen/llama-cpp-python 的Python绑定（位于 /opt/llama-cpp-python）

[!WARNING] 从0.1.79版本开始，模型格式已从GGML更改为GGUF。现有GGML模型可使用llama.cpp中的convert-llama-ggmlv3-to-gguf.py脚本转换（或可在HuggingFace Hub找到GGUF格式的转换版本）

分支说明

为保持向后兼容性，该容器提供两个分支：

• llama_cpp:gguf（默认分支，跟踪上游master分支）
• llama_cpp:ggml（仍支持GGML模型格式）

legacy GGML分支应用了以下补丁：

• 修复ARM64架构下llama.h中__fp16的typedef（使用NVCC的half类型）
• BOS/EOS令牌解析（参见https://github.com/ggerganov/llama.cpp/pull/1931%EF%BC%89

推理基准测试

可使用llama.cpp内置的https://github.com/ggerganov/llama.cpp/tree/master/examples/main%E5%B7%A5%E5%85%B7%E8%BF%90%E8%A1%8CGGUF%E6%A8%A1%E5%9E%8B%EF%BC%88%E6%9D%A5%E8%87%AAHuggingFace Hub或其他来源）

bash
./run.sh --workdir=/opt/llama.cpp/bin $(./autotag llama_cpp) /bin/bash -c \
 './main --model $(huggingface-downloader TheBloke/Llama-2-7B-GGUF/llama-2-7b.Q4_K_S.gguf) \
         --prompt "很久很久以前，" \
         --n-predict 128 --ctx-size 192 --batch-size 192 \
         --n-gpu-layers 999 --threads $(nproc)'

--model参数需要.gguf文件名（通常使用Q4_K_S量化版本）
若加载Llama-2-70B模型，需添加--gqa 8标志

也可使用Python API和https://github.com/dusty-nv/jetson-containers/tree/master/packages/llm/llama_cpp/benchmark.py%EF%BC%9A

bash
./run.sh --workdir=/opt/llama.cpp/bin $(./autotag llama_cpp) /bin/bash -c \
 'python3 benchmark.py --model $(huggingface-downloader TheBloke/Llama-2-7B-GGUF/llama-2-7b.Q4_K_S.gguf) \
            --prompt "很久很久以前，" \
            --n-predict 128 --ctx-size 192 --batch-size 192 \
            --n-gpu-layers 999 --threads $(nproc)'

内存使用

容器信息

CONTAINERS

容器镜像

_{容器镜像与其他次要版本的JetPack/L4T兼容：
    • L4T R32.7容器可在其他L4T R32.7版本（JetPack 4.6+）上运行
    • L4T R35.x容器可在其他L4T R35.x版本（JetPack 5.1+）上运行}

运行容器

可使用https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md%E5%92%8Chttps://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag%E5%90%AF%E5%8A%A8%E5%AE%B9%E5%99%A8%EF%BC%8C%E6%88%96%E6%89%8B%E5%8A%A8%E6%9E%84%E5%BB%BA%60docker run`命令：

bash
# 自动拉取或构建兼容的容器镜像
jetson-containers run $(autotag llama_cpp)

# 或显式指定上述容器镜像之一
jetson-containers run dustynv/llama_cpp:r36.2.0

# 或使用'docker run'（指定镜像和挂载等）
sudo docker run --runtime nvidia -it --rm --network=host dustynv/llama_cpp:r36.2.0

^{https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md%E5%B0%86%E5%8F%82%E6%95%B0%E8%BD%AC%E5%8F%91%E7%BB%99%60docker run，并添加一些默认值（如--runtime nvidia、挂载/data`缓存、检测设备）
https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag%E4%BC%9A%E6%89%BE%E5%88%B0%E4%B8%8E%E6%82%A8%E7%9A%84JetPack/L4T%E7%89%88%E6%9C%AC%E5%85%BC%E5%AE%B9%E7%9A%84%E5%AE%B9%E5%99%A8%E9%95%9C%E5%83%8F%E2%80%94%E2%80%94%E6%9C%AC%E5%9C%B0%E3%80%81%E4%BB%8E%E6%B3%A8%E5%86%8C%E8%A1%A8%E6%8B%89%E5%8F%96%E6%88%96%E6%9E%84%E5%BB%BA%E3%80%82}

要将主机目录挂载到容器中，使用-v或--volume标志：

bash
jetson-containers run -v /主机路径:/容器路径 $(autotag llama_cpp)

要启动容器运行命令而非交互式shell：

bash
jetson-containers run $(autotag llama_cpp) my_app --abc xyz

可传递任何docker run支持的选项，执行前会打印完整命令。

构建容器

若如上所示使用https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag%EF%BC%8C%E9%9C%80%E8%A6%81%E6%97%B6%E4%BC%9A%E6%8F%90%E7%A4%BA%E6%9E%84%E5%BB%BA%E5%AE%B9%E5%99%A8%E3%80%82%E8%A6%81%E6%89%8B%E5%8A%A8%E6%9E%84%E5%BB%BA%EF%BC%8C%E5%85%88%E5%AE%8C%E6%88%90https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md%EF%BC%8C%E7%84%B6%E5%90%8E%E8%BF%90%E8%A1%8C%EF%BC%9A

bash
jetson-containers build llama_cpp

上述依赖项将构建到容器中，并在构建过程中进行测试。使用https://github.com/dusty-nv/jetson-containers/tree/master/jetson_containers/build.py%E6%9F%A5%E7%9C%8B%E6%9E%84%E5%BB%BA%E9%80%89%E9%A1%B9%E3%80%82