[AI]在家中使用日常设备运行您自己的 AI 集群.适用于移动、桌面和服务器的分布式 LLM 推理。

创作不易只因热爱!!

热衷分享，一起成长!

"你的鼓励就是我努力付出的动力"

AI发展不可谓不快,

从ollama个人电脑CPU运行到现在,日常设备AI集群.
下面对比一下,两款开源AI 大模型的分布式推理应用, exo 和cake.

1.AI 集群推理应用exo 和cake的简单对比

python >=3.12.0 Apple芯片 IOS MAC Others芯片 rust exo
github 4.4k+ Model LLaMA
动态模型分区,自动设备发现
p2p 设备连接推理引擎
MLX 推理引擎
tinygrad
-python 推理引擎
llama.cpp
还在构建中... cake
github 2.2k+ Model LLaMA
master-worker 架构
配置每个工作节点推理引擎
Candle
-rust

tips: OS系统windows的支持目前都不太好. 建议用 ubuntu 22.04

2. 在家中使用日常设备运行自己的 AI 集群 exo

exo是一个 python>=3.12.0框架.用于基于 MLX,tinygrad等推理引擎的 LLama3 等大型模型的分布式推理。Llama 3.1现在是默认模型，在自己的设备上可运行 8B、70B 和 405B 参数模型.动态模型分区,自动设备发现, p2p 设备连接架构.
github主页: https://github.com/exo-explore/exo

(1)安装 python >=3.12.0

复制代码

git clone https://github.com/exo-explore/exo.gitcd exopip install .

(2)在任意设备上运行

复制代码

python3 main.py

环形分区架构

--运行tinygrad的examples里的llama3.py查看更多帮助

复制代码

python3  examples/llama3.py -help

--尝试在Windows上部署,运行报错如下!!!放弃windows折腾吧...

复制代码

No module named '_posixshmem'
报错解释：
这个错误通常发生在尝试使用某些Python模块时，特别是涉及到共享内存操作的时候。_posixshmem 是一个Python的C扩展模块，它允许Python代码在Unix-like系统上使用POSIX共享内存接口。

3. 适用于移动、桌面和服务器的分布式 LLM 推理 cake

Cake 是一个 Rust 框架，用于基于 Candle 的 LLama3 等大模型的分布式推理。通过将消费类硬件重新利用设备的异构集群，能够运行大型（70B+）模型。

将转换器模块分片到多个设备，以便能够在通常不适合单个设备的模型上运行推理。安装 Rust 后，可以使用不同的加速器构建核心库和 CLI 实用程序。
github主页: https://github.com/evilsocket/cake

(1)安装, ----装rust, windows下要先安装msvc++

复制代码

git clone https://github.com/evilsocket/cake.git
cd cake
进行编译和部署：
  不加速（将使用 CPU）：
  cargo build --release

  借助 Apple Silicon 的 Metal 加速：
  cargo build --release --features metal

  使用 CUDA 加速：如果有显卡，需要CUDA驱动加速系统，需要CUDA >= 12.2。
  cargo build --release --features cuda

(2) 配置运行主支节点及topology.yml文件

复制代码

####  2.1 运行工作节点：

cake-cli --model /path/to/Meta-Llama-3-8B \ # model path, read below on how to optimize model size for workers
         --mode worker \                    # run as worker
         --name worker0 \                   # worker name in topology file
         --topology topology.yml \          # topology
         --address 0.0.0.0:10128            # bind address
####  2.2 运行主节点
cake-cli --model /path/to/Meta-Llama-3-8B \ # model path
         --api 0.0.0.0:8080               \ # API bind address
         --topology topology.yml            # topology file

其中 topology.yml 确定哪些层由哪个工作线程提供服务

复制代码

linux_server_1:
  host: 'linux_server.host:10128'
  description: 'NVIDIA Titan X Pascal (12GB)'
  layers:
    - 'model.layers.0-5'

linux_server_2:
  host: 'linux_server2.host:10128'
  description: 'NVIDIA GeForce 3080 (10GB)'
  layers:
    - 'model.layers.6-16'

iphone:
  host: 'iphone.host:10128'
  description: 'iPhone 15 Pro Max'
  layers:
    - 'model.layers.17'

ipad:
  host: 'ipad.host:10128'
  description: 'iPad'
  layers:
    - 'model.layers.18-19'

macbook:
  host: 'macbook.host:10128'
  description: 'M1 Max'
  layers:
    - 'model.layers.20-31'

model.layers 数量在对应大模型 model.safetensors.index.json.

还有Candle 的搭建与配置...

但行好事，莫问前程!

end

^{**你好呀，我是一个医信行业工程师，喜欢学习，喜欢搞机，喜欢各种捣，也会持续分享，如果喜欢我，那就关注我吧！**}

往期精彩:

作者｜医信工程师随笔｜Carltiger_github

图片｜网络｜侵删

关注我，我们共同成长

"你的鼓励就是我分享的动力"