TGI简介与TGI适配昇腾整体方案介绍
TGI（全称：Text Generation Inference）是HuggingFace支持的推理部署工具。TGI本身不支持NPU上的模型运行，通过提供昇腾环境下的TGI适配补丁，帮助客户在昇腾环境下运行TGI框架服务。适配后的系统：
- TGI服务的启动、与Client的交互协议、Batch调度和KV Cache分配功能仍然在TGI框架中完成。
- 模型推理与后处理能力：从开源TGI切换至MindIE LLM提供的统一接口。
图1 TGI开源架构
上图中，昇腾适配TGI的部分为Model Shard的部分。
支持的版本特性及模型
|
支持的TGI版本 |
浮点 |
量化 |
MoE |
单Lora |
多模态模型 |
|---|---|---|---|---|---|
|
v2.0.4 |
同MindIE LLM |
同MindIE LLM |
同MindIE LLM |
同MindIE LLM |
Qwen-VL |
|
V0.9.4 |
同MindIE LLM |
同MindIE LLM |
- |
同MindIE LLM |
- |