mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-12-24 13:28:13 +08:00
71 lines
3.0 KiB
Markdown
71 lines
3.0 KiB
Markdown
|
||
# 早停功能
|
||
|
||
早停功能用于提前结束模型生成token的过程，具体来说早停功能会采取不同的策略，判断当前生成的token序列是否满足早停条件，如果满足则提前结束token生成。FastDeploy目前只支持repetition策略。
|
||
|
||
1. Repetition策略
|
||
* Repetition策略通过检查生成高概率token的次数决定是否需要触发早停功能。
|
||
* 具体来说，当某个batch生成token的概率连续超过用户设置的概率阈值达到用户指定的次数，将提前结束该batch的token生成过程。
|
||
|
||
## 使用说明
|
||
|
||
在启动服务时，添加早停功能的启动项。
|
||
|
||
* 在线推理启动示例：
|
||
* 使用默认超参数：--enable-early-stop
|
||
```shell
|
||
python -m fastdeploy.entrypoints.openai.api_server \
|
||
--model baidu/ERNIE-4.5-0.3B-Paddle \
|
||
--port 8180 \
|
||
--metrics-port 8181 \
|
||
--engine-worker-queue-port 8182 \
|
||
--max-model-len 32768 \
|
||
--max-num-seqs 32 \
|
||
--enable-early-stop
|
||
```
|
||
* 使用自定义超参数：--early-stop-config
|
||
```shell
|
||
python -m fastdeploy.entrypoints.openai.api_server \
|
||
--model baidu/ERNIE-4.5-0.3B-Paddle \
|
||
--port 8180 \
|
||
--metrics-port 8181 \
|
||
--engine-worker-queue-port 8182 \
|
||
--max-model-len 32768 \
|
||
--max-num-seqs 32 \
|
||
--early-stop-config '{"enable_early_stop":true, "window_size": 1000, "threshold": 0.9}'
|
||
```
|
||
* 离线推理示例
|
||
* 使用默认超参数：enable_early_stop
|
||
```python
|
||
from fastdeploy.engine.sampling_params import SamplingParams
|
||
from fastdeploy.entrypoints.llm import LLM
|
||
|
||
model_name_or_path = "baidu/ERNIE-4.5-0.3B-Paddle"
|
||
|
||
sampling_params = SamplingParams(temperature=0.1, max_tokens=30)
|
||
llm = LLM(model=model_name_or_path, tensor_parallel_size=1, enable_early_stop=True)
|
||
output = llm.generate(prompts="who are you?", use_tqdm=True, sampling_params=sampling_params)
|
||
|
||
print(output)
|
||
```
|
||
* 使用自定义超参数：early_stop_config
|
||
```python
|
||
from fastdeploy.engine.sampling_params import SamplingParams
|
||
from fastdeploy.entrypoints.llm import LLM
|
||
|
||
model_name_or_path = "baidu/ERNIE-4.5-0.3B-Paddle"
|
||
early_stop_config = {"enable_early_stop":True, "window_size":1000, "threshold":0.9}
|
||
sampling_params = SamplingParams(temperature=0.1, max_tokens=30)
|
||
llm = LLM(model=model_name_or_path, tensor_parallel_size=1, early_stop_config=early_stop_config)
|
||
output = llm.generate(prompts="who are you?", use_tqdm=True, sampling_params=sampling_params)
|
||
|
||
print(output)
|
||
```
|
||
|
||
## 参数说明
|
||
|
||
* `enable_early_stop`: (bool) 是否启用早停功能，默认设置为False。
|
||
* `strategy`: (str) 早停功能使用的策略，目前仅支持repetition策略，默认设置为"repetition"。
|
||
* `window_size`: (int) repetition策略中连续出现高概率token的次数上限，超过该次数将触发早停功能，默认设置为3000。
|
||
* `threshold`: (float) repetition策略中的高概率阈值，默认设置为0.99。
|