【工具篇】MLU运行XInference部署手册

前言

Xorbits Inference（Xinference）是一个功能强大、用途广泛的库，旨在为语言、语音识别和多模态模型提供服务。借助Xorbits Inference，您只需使用一个命令即可轻松部署和维护您的或最先进的内置模型。无论您是研究人员、开发人员还是数据科学家，Xorbits Inference都能让您充分发挥尖端人工智能模型的潜力。
主要特点：
简化模型服务：简化服务大型语言、语音识别和多模态模型的过程。您可以使用单个命令设置和部署用于实验和生产的模型。
⚡️ 最先进的模型：使用单个命令尝试尖端的内置模型。推理提供了对最先进的开源模型的访问！
🖥 异构硬件利用率：使用ggml充分利用您的硬件资源。Xorbits推理智能地利用异构硬件，包括GPU和CPU，来加速您的模型推理任务。
⚙️ 灵活的API和接口：提供多个与模型交互的接口，支持OpenAI兼容的RESTful API（包括函数调用API）、RPC、CLI和WebUI，实现无缝的模型管理和交互。
🌐 分布式部署：在分布式部署场景中使用Excel，允许在多个设备或机器之间无缝分布模型推理。
🔌 与第三方库的内置集成：Xorbits Inference与流行的第三方库无缝集成，包括LangChain、LlamaIdex、Dify和Chatbox。

一、平台环境准备

卡选择：MLU370系列
驱动选择：5.10.29以上
镜像选择：SDK版本>v24.0 pytorch >= 2.1
本次操作镜像如下：
cambricon_pytorch_container:v24.09-torch2.4.0-catch1.22.2-ubuntu22.04-py310

二、代码下载

git clone https://github.com/xorbitsai/inference

三、安装部署

提示：在这里我们回顾一下之前的章节，在章节中我们提到新版的pytorch镜像只需要使用2行代码就能运行，但是在这里我们不推荐这个方法！！！因为inference是一个部署得工具包我们需要直接通过命令行进行启动，所以我们这边采取转换的方法

#转mlu
python /torch/src/torch_mlu/tools/torch_gpu2mlu/torch_gpu2mlu.py -i ./inference/
会在同级目录下生成一个inference_mlu得文件

那么这里问到了，什么时候适合用下面两行代码呢？

import torch_mlu
from torch_mlu.utils.model_transfer import transfer

这两行代码适合我们在运行python文件的时候加在头文件处，如果像inference以及下一章节的langchain-chatchat新版本，建议先转换在做操作哦！

回归正题，我们继续！！！

1.正常pip 安装

pip install gradio==4.42.0
pip install -e ./inference_mlu/

四、运行结果展示

运行命令：

xinference-local

会生成一个端口直接点击就会有个UI界面，如果你报错了请往下看

1.如果界面404或没有东西请这样做

我们提供两种修复方法：

#1先卸载重装
pip uninstall xinference
pip install -e ./inference_mlu/
#2启动
xinference-local

#若上述方法不行，且/inference_mlu/xinference/web/ui目录下不生成有内容的build和node_modules的前端文件夹，则在/web/ui目录下使用手动命令生成
apt install npm
npm install
npm run build
#此时仍有可能构建项目失败，提示缺失react-scripts，需要运行下面的命令安装
npm install react-scripts
#重新启动即可，注意使用vscode远程ssh连接，直接在平台网页运行不可以
#webui界面如下

2.运行效果

加载模型
寻找指定模型选择模型参数进行加载

左侧run model中对已加载模型进行启动，gui进行推理


这里仅展示qwen2-vl模型，我们也测试了qwen2及知识库模型，并接入到新版本的langchain-chathchat中效果都是很棒的，下期想看什么，请留言或私信，谢谢！！