- 主题:[求助]大模型继续问：如何进行多线程
rt，各位大佬，目前部署的qwen2-7b-instruct，单线程进行推理处理太慢，不知道它是否支持多线程，同时进行多个推理？我自己用多线程试了试，发现报了很多错误，也有可能方法不对。哪位大佬知道望不吝赐教，多谢！
--
FROM 123.58.106.*
多谢！今天上午看了看vllm，准备试试。
就两块24G的显存，看起来不太够啊
【 在 Xjt 的大作中提到: 】
: 用点框架吧。有一堆堆的多线程推理的框架了
: 问题上，哪怕再节约显存的框架，每多一个线程还是要多存很多内容(比如kv cache之类），你的显存够嘛？
--
FROM 123.58.106.*
那肯定质量比速度更重要。求推荐新框架
【 在 Xjt 的大作中提到: 】
: Vllm会降低推理质量，我感觉很多人已经不用了。现在新框架一大堆啊。推理质量比速度和节约显存更重要吧
: :
--
FROM 123.58.106.*
手工写python代码调用的，没有用框架
就是用transformers的库来加载模型进行调用
【 在 omelet 的大作中提到: 】
: 你用什么部署的？
:
--
FROM 123.58.106.*
这是什么，研究研究去
【 在 zengraoli 的大作中提到: 】
: flash-attn
--
FROM 123.58.106.*
请问找个如何使用呢？
看网上都是在教如何安装，安装完了就可以了吗？不需要在代码里显式的调用它？
另外，vllm可以显示的批量预测，即多个提示词一起进行推理处理。flash-attn可以吗？或者其他的框架也可以吗？
【 在 zengraoli 的大作中提到: 】
: flash-attn
--
FROM 123.58.106.*
想着多线程是不是可以充分利用GPU空闲时间
【 在 omelet 的大作中提到: 】
: 单线程都慢，那多线程岂不是更慢了？
:
--
FROM 123.58.106.*