在 GPU 上手动转换模型

本文介绍了使用本地 Nvidia GPU 转换 LLM 模型的手动工作流。它描述了所需的环境设置、执行步骤，以及如何在配备高通 NPU 的 Windows Copilot+ PC 上运行推理。

转换 LLM 模型需要 Nvidia GPU。如果你希望模型实验室管理你的本地 GPU，请按照转换模型中的步骤操作。否则，请按照本文中的步骤操作。

在 GPU 上手动运行模型转换

此工作流使用 qnn_config.json 文件进行配置，并需要两个独立的 Python 环境。

• 第一个环境用于 GPU 加速的模型转换，包含 onnxruntime-gpu 和 AutoGPTQ 等包。
• 第二个环境用于 QNN 优化，包含 onnxruntime-qnn 等包及其特定依赖项。

第一个环境设置

在已安装 Olive 的 Python 3.10 x64 Python 环境中，安装所需的包。

# Install common dependencies
pip install -r requirements.txt

# Install ONNX Runtime GPU packages
pip install "onnxruntime-gpu>=1.21.0" "onnxruntime-genai-cuda>=0.6.0"

# AutoGPTQ: Install from source (stable package may be slow for weight packing)
# Disable CUDA extension build (not required)
# Linux
export BUILD_CUDA_EXT=0
# Windows
# set BUILD_CUDA_EXT=0

# Install AutoGPTQ from source
pip install --no-build-isolation git+https://github.com/PanQiWei/AutoGPTQ.git

# Please update CUDA version if needed
pip install torch --index-url https://download.pytorch.org/whl/cu121

⚠️ 此时仅设置环境并安装包。不要运行 olive run 命令。

第二个环境设置

在已安装 Olive 的 Python 3.10 x64 Python 环境中，安装所需的包。

# Install ONNX Runtime QNN
pip install -r https://raw.githubusercontent.com/microsoft/onnxruntime/refs/heads/main/requirements.txt
pip install -U --pre --extra-index-url https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/ORT-Nightly/pypi/simple onnxruntime-qnn --no-deps

将 qnn_config.json 中的 /path/to/qnn/env/bin 替换为包含第二个环境 Python 可执行文件的目录路径。

运行配置

激活第一个环境并运行工作流

olive run --config qnn_config.json

完成此命令后，优化后的模型保存在：./model/model_name。

⚠️ 如果因内存不足导致优化失败，请移除配置文件中的 calibration_providers。

⚠️ 如果在上下文二进制文件生成期间优化失败，请重新运行该命令。该过程将从上一个完成的步骤继续。

手动运行推理示例

优化后的模型可用于通过 ONNX Runtime QNN 执行提供程序和 ONNX Runtime GenAI 进行推理。推理必须在配备高通 NPU 的 Windows Copilot+ PC 上运行。

在 arm64 Python 环境中安装所需的包

使用 QNN 执行提供程序进行模型编译需要一个安装了 onnxruntime-qnn 的 Python 环境。在已安装 Olive 的独立 Python 环境中，安装所需的包。

pip install -r https://raw.githubusercontent.com/microsoft/onnxruntime/refs/heads/main/requirements.txt
pip install -U --pre --extra-index-url https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/ORT-Nightly/pypi/simple onnxruntime-qnn --no-deps
pip install "onnxruntime-genai>=0.7.0rc2"

运行接口示例

执行提供的 inference_sample.ipynb 笔记本。选择 ipykernel 到此 arm64 Python 环境。

⚠️ 如果出现 6033 错误，请替换 ./model/model_name 文件夹中的 genai_config.json。