创建Azure Llama2 虚拟机

Azure, Llama2

 2023/09/09 

具体步骤

在登录Azure Machine Leaning Studio之前，需要在Azure门户上新建一个资源组

Untitled

新建workspace，选择之前创建的资源组

Untitled

进入到新的workspace，选择Model catalog，可以看到Introducing Llama2标签页

Untitled

选择需要创建的模型，使用Real-time endpoint的方式部署

Untitled

Real-time endpoint 以及 Batch endpoint

联机终结点(Real-time endpoint)：用于进行实时推理，当调用终结点时，会在终结点的响应中返回结果
批处理终结点(Batch endpint)：用于进行长时间运行的批处理推理，每次调用批处理终结点时，都会执行实际工作的批处理作业

根据用例需求，决定何时使用联机终结点和批处理终结点

使用联机终结点来操作处理同步低延迟请求中的实时推理的模型，建议在下列情况中使用：
- 有低延迟的需求(实际延迟根据所选设备的推理时间决定)
- 需要模型在相对短的时间内响应请求
- 模型的输入适合请求的HTTP有效负载
- 需要根据请求数量进行纵向扩展(可以拆分流量)
使用批处理终结点来操作模型或管道(预览)，以便处理长时间运行的异步推理。建议在以下情况中使用：
- 需要较长时间才能运行的高开销模型或管道
- 希望操作机器学习管道并重用组建
- 需要对分布在多个文件中的大量数据执行推理
- 没有低延迟的要求
- 模型的输入存储在Azure存储账户或Azure机器学习数据资产中

跳过Deploy with Azure AI Content Safety

Untitled

部署中会遇到配额不足的问题

Untitled

点击Click here to view and request quota申请配额，从对应的机型可以看到我们需要申请Standard NCSv3系列的配额，在列表中找到所需要的机型后勾选，在列表上端选择Request quota

Untitled

输入需要的配额数量，从对应的机型中可以看到两个型号：NC12s_v3和NC24s_v3，表示两个型号的虚拟机每台各需要12核和24核的vCPU，根据所需要部署虚拟机的数量输入实际需要的配额，点击Submit提交

Untitled

在申请配额时会遇到一些其他问题：

没有模型所需要的虚拟机类型

Untitled

这种情况的问题是，创建Azure Machine Leaning Studio所在的region没有所需要的机型。例如：我在创建资源组时选择的region是UK South，但在这个区域是没有Llama2-70b模型可以适配的机型Standard_ND96asr_v4。我们可以在 Products available by region 中找到该机型可用的region，并在这个区域创建machine leaning workspace

Untitled

申请配额失败

Untitled

目前这个错误，您可以在线提交工单来解决这个问题，在workspace页面点击右上角的问号，选择New support request

Untitled

选择创建支持请求，根据向导提示完成工单的创建，等待客服人员的回复。

Untitled

在申请到配额之后，可以在配额页面看到所有配额，并重新配置工作区的配额。

Untitled

这样我们再创建Llama2-7b模型的时候，就会显示适配模型的机型了

Untitled

点击部署等待VM创建和模型预配完成，预配的时间比较长，需要耐心等待一段时间。

Untitled

当模型预配成功之后，切换到使用标签，获取REST Endpoint，以及Access Key

Untitled

现在来测试一下模型，为了快速测试我使用了Postman，新建一个Http Request，使用POST方法，填入之前获取的 REST Endpoint ，并在 Authorization 标签页中设置 Bearer Token ，填入 Access Key

Untitled

切换到 Body 标签页，选中 raw ，切换到 JSON ，并填入以下内容：

{
     "input_data": {
        "input_string": 
        [  
            {"role": "system", "content": "You are a robot assistant answering math questions"},
            {"role": "user", "content": "What is the square of the sum of 7 plus 14? "}
        ],
        "parameters": 
        {
            "max_length": 400,
            "temperature": 1,
            "top_p": 1,
            "do_sample": true,
            "max_new_tokens": 500
        }
    }
}

点击 Send ，我们将会看到调用返回：

Untitled

Author：Zheng Yiqun

Link：http://zhengyiqun.net/2023/09/09/DeployLlama2WithAzure/

Publish date：September 9th 2023, 3:58:18 pm

Update date：April 13th 2024, 6:34:28 pm

License：本文采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可

Next Post

在应用中使用小模型
Previous Post

Azure&Web3项目问题总结(Next.js)

CATALOG

1. 具体步骤