text-generation-inference 文档

准备模型

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

准备模型

文本生成推理在多个方面改进了模型。

量化

TGI 支持 bits-and-bytesGPT-QAWQMarlinEETQEXL2fp8 量化。为了通过量化加速推理,只需将 quantize 标志设置为 bitsandbytesgptqawqmarlinexl2eetqfp8,具体取决于您希望使用的量化技术。使用 GPT-Q 量化时,您需要指向此处的模型之一。同样,使用 AWQ 量化时,您需要指向这些模型之一。要获取有关量化的更多信息,请参阅量化指南

RoPE 缩放

RoPE 缩放可用于在推理时增加模型的序列长度,而无需进行微调。要启用 RoPE 缩放,只需通过 CLI 运行命令时传递 --rope-scaling--max-input-length--rope-factors 标志。--rope-scaling 可以取值 lineardynamic。如果您的模型未针对更长的序列长度进行微调,请使用 dynamic--rope-factor 是预期最大序列长度与模型原始最大序列长度之间的比率。请确保传递 --max-input-length 以提供最大输入长度进行扩展。

我们建议使用 dynamic RoPE 缩放。

Safetensors

Safetensors 是一种快速且安全的深度学习模型持久化格式,是张量并行所必需的。TGI 在底层支持 safetensors 模型加载。默认情况下,如果一个仓库同时包含 safetensorspytorch 权重,TGI 总是会加载 safetensors。如果没有 pytorch 权重,TGI 会将权重转换为 safetensors 格式。

< > 在 GitHub 上更新