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
git clone https://github.com/exo-explore/exo.gitcd exopip install .
(2)在任意设备上运行
python3 main.py
环形分区架构
--运行tinygrad的examples里的llama3.py查看更多帮助
python3 examples/llama3.py -help
--尝试在Windows上部署,运行报错如下!!!放弃windows折腾吧...
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++
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
#### 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
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"