[BUG] <title> Qwen的推理速度过于慢了 - Githubissues

QwenLM / Qwen

The official repo of Qwen (通义千问) chat & pretrained large language model proposed by Alibaba Cloud.

Apache License 2.0

13.59k stars 1.11k forks source link

[BUG] <title> Qwen的推理速度过于慢了 #977

Closed zrLian closed 6 months ago

zrLian commented 8 months ago

是否已有关于该错误的issue或讨论？ | Is there an existing issue / discussion for this?

[X] 我已经搜索过已有的issues和讨论 | I have searched the existing issues / discussions

该问题是否在FAQ中有解答？ | Is there an existing answer for this in FAQ?

[X] 我已经搜索过FAQ | I have searched FAQ

当前行为 | Current Behavior

Qwen在10w数据上微调只需要40分钟，然而需要8小时才能生成不到1w条文本。

期望行为 | Expected Behavior

No response

复现方法 | Steps To Reproduce

No response

运行环境 | Environment

- OS:
- Python:
- Transformers:
- PyTorch:
- CUDA (`python -c 'import torch; print(torch.version.cuda)'`):

备注 | Anything else?

No response

jklj077 commented 8 months ago

什么模型、什么框架、怎么使用的
如果是transformers，先根据readme里profiling结果看下速度是否符合预期
列下微调后config.json里都有啥，有没有跟原版的config.json对齐

训练 vs 推理速度

没啥好比的，训练跟推理，模型执行的代码都不一样的，推理需要走自回归生成，本来比训练的就相对慢。

在你什么都不说的情况下，我只能推荐你直接上FastChat + vLLM + OpenAI API，并发请求，打满吞吐。