text-generation-inference（文本生成推理）

将 TGI 与英特尔 GPU 结合使用

TGI 优化模型支持 Intel 数据中心 GPU Max1100、Max1550，推荐通过 Docker 使用。

在由英特尔 GPU 驱动的服务器上，可以使用以下命令启动 TGI

model=teknium/OpenHermes-2.5-Mistral-7B
volume=$PWD/data # share a volume with the Docker container to avoid downloading weights every run

docker run --rm --privileged --cap-add=sys_nice \
    --device=/dev/dri \
    --ipc=host --shm-size 1g --net host -v $volume:/data \
    ghcr.io/huggingface/text-generation-inference:3.3.4-intel-xpu \
    --model-id $model --cuda-graphs 0

将 TGI 与英特尔 CPU 结合使用

Intel® Extension for PyTorch (IPEX) 也为英特尔 CPU 提供了进一步的优化。IPEX 提供了诸如闪光注意力、页面注意力、Add + LayerNorm、ROPE 等优化操作。

在由英特尔 CPU 驱动的服务器上，可以使用以下命令启动 TGI

model=teknium/OpenHermes-2.5-Mistral-7B
volume=$PWD/data # share a volume with the Docker container to avoid downloading weights every run

docker run --rm --privileged --cap-add=sys_nice \
    --device=/dev/dri \
    --ipc=host --shm-size 1g --net host -v $volume:/data \
    ghcr.io/huggingface/text-generation-inference:3.3.4-intel-cpu \
    --model-id $model --cuda-graphs 0

启动的 TGI 服务器随后可以从客户端查询，请务必查看使用 TGI 指南。

< > 在 GitHub 上更新