openchat-3.6-8b-20240522 ONNX

模型概述

本仓库包含 openchat/openchat-3.6-8b-20240522 的 ONNX 优化版本，旨在使用 ONNX Runtime 加速推理。这些优化专门针对 CPU 和 DirectML 进行了定制。DirectML 是一个高性能、硬件加速的 DirectX 12 机器学习库，可在广泛支持的硬件和驱动程序上提供 GPU 加速，包括 AMD、Intel、NVIDIA 和 Qualcomm 的硬件。

优化配置

提供以下优化配置：

• int4 DirectML 的 ONNX 模型： 针对Windows上的 AMD、Intel 和 NVIDIA GPU 进行了优化，使用 AWQ 量化至 int4。
• int4 CPU 和移动端的 ONNX 模型： 使用 RTN 进行 int4 量化的 CPU 和移动端 ONNX 模型。上传了两个版本以平衡延迟与精度。Acc=1 针对提高精度，Acc=4 针对提高性能。对于移动设备，我们建议使用 acc-level-4 的模型。

使用方法

安装与设置

要在 Windows 上使用 DirectML 运行 EmbeddedLLM/openchat-3.6-8b-20240522-onnx 模型，请按照以下步骤操作：

1. 创建并激活 Conda 环境：

conda create -n onnx python=3.10
conda activate onnx

2. 安装 Git LFS：

winget install -e --id GitHub.GitLFS

3. 安装 Hugging Face CLI：

pip install huggingface-hub[cli]

4. 下载模型：

huggingface-cli download EmbeddedLLM/openchat-3.6-8b-20240522-onnx --include=\"onnx/directml/*\" --local-dir .\openchat-3.6-8b-20240522-onnx

5. 安装必要的 Python 包：

pip install numpy==1.26.4
pip install onnxruntime-directml
pip install --pre onnxruntime-genai-directml

6. 安装 Visual Studio 2015 运行时：

conda install conda-forge::vs2015_runtime

7. 下载示例脚本：

Invoke-WebRequest -Uri \"https://raw.githubusercontent.com/microsoft/onnxruntime-genai/main/examples/python/phi3-qa.py\" -OutFile \"phi3-qa.py\"

8. 运行示例脚本：

python phi3-qa.py -m .\openchat-3.6-8b-20240522-onnx

硬件要求

最低配置：

• Windows： 支持 DirectX 12 的 GPU（AMD/Nvidia）
• CPU： x86_64 / ARM64

已测试配置：

• GPU： AMD Ryzen 8000 系列核显（DirectML）
• CPU： AMD Ryzen CPU

引用

@article{wang2023openchat,
  title={OpenChat: Advancing Open-source Language Models with Mixed-Quality Data},
  author={Wang, Guan and Cheng, Sijie and Zhan, Xianyuan and Li, Xiangang and Song, Sen and Liu, Yang},
  journal={arXiv preprint arXiv:2309.11235},
  year={2023}
}