Skip to main content
OpenVINO™ 是一个用于优化和部署 AI 推理的开源工具包。OpenVINO™ Runtime 能够在各种硬件设备上运行相同的优化模型。加速您的深度学习性能,适用于语言与大语言模型、计算机视觉、自动语音识别等多种用例。 OpenVINO 模型可以通过 HuggingFacePipeline 在本地运行。要使用 OpenVINO 部署模型,您可以指定 backend="openvino" 参数,以触发 OpenVINO 作为后端推理框架。 要使用,您应该安装带有 OpenVINO 加速器的 optimum-intel Python

模型加载

可以通过使用 from_model_id 方法指定模型参数来加载模型。 如果您有英特尔 GPU,可以指定 model_kwargs={"device": "GPU"} 以在其上运行推理。
也可以通过直接传入现有的 optimum-intel 管道来加载模型。

创建链

模型加载到内存后,您可以将其与提示组合以形成链。
要获取不带提示的响应,您可以将 skip_prompt=True 与 LLM 绑定。

使用本地 OpenVINO 模型进行推理

可以使用 CLI 导出您的模型到 OpenVINO IR 格式,并从本地文件夹加载模型。
建议使用 --weight-format 应用 8 位或 4 位权重量化,以减少推理延迟和模型占用空间:
您可以通过激活的动态量化和 KV 缓存量化获得额外的推理速度提升。这些选项可以通过 ov_config 启用,如下所示:

流式传输

您可以使用 stream 方法获取 LLM 输出的流式传输,
更多信息请参阅: