解锁 TensorRT-LLM 挖掘生成式 AI 新需求
今年的NVIDIA TensorRT Hackathon着重提升选手开发 TensorRT 应用的能力。
在过去的一年里，生成式 AI 迎来了爆发式增长。计算机能够批量生成大量图像和文本，有的甚至能够媲美专业创作者的作品。这为未来生成式 AI 模型的发展铺平了道路，令人充满期待。正因如此，NVIDIA TensorRT Hackathon 2023 选择生成式 AI 模型作为比赛的主题，以激发选手的创新潜力。
今年的比赛设置了初赛和复赛两组赛题——初赛阶段，选手需要利用 TensorRT 加速带有 ControlNet 的 Stable Diffusion pipeline，以优化后的运行时间和出图质量作为主要排名依据；复赛为开放赛题，选手可自由选择公开的 Transformer 模型，并利用 TensorRT 或 NVIDIA TensorRT-LLM 进行模型推理优化。
NVIDIA TensorRT™ 作为 GPU 上的 AI 推理加速库，一直以来都备受业界认可与青睐。本次比赛的背后是 NVIDIA TensorRT 开发团队对产品不断进行改进和优化的结果。通过让更多模型能够顺利通过 ONNX 自动解析得到加速，并对常见模型结构进行深度优化，极大地提高了 TensorRT 的可用性和性能。这意味着大部分模型无需经过繁琐的手工优化，就能够在 TensorRT 上有出色的性能表现。
TensorRT-LLM 是 NVIDIA 即将推出用于大语言模型推理的工具，目前已于官网开放试用。作为此次复赛推荐使用的开发工具之一，TensorRT-LLM 包含 TensorRT 深度学习编译器，并且带有经过优化的 CUDA kernel、前处理和后处理步骤，以及多 GPU/多节点通信，可以在 NVIDIA GPU 上提供出类拔萃的性能。它通过一个开源的模块化 Python 应用 API 提高易用性和可扩展性，使开发人员能够尝试新的 LLM，提供最顶尖的性能和快速自定义功能，且不需要开发人员具备深厚的 C++ 或 CUDA 知识。
作为本次大赛的主办方之一，阿里云天池平台为参赛选手提供了卓越的云上技术支持，在阿里云GPU云服务器中内置 NVIDIA A10 Tensor Core GPU，参赛者通过云上实例进行开发和训练优化模型，体验云开发时代的AI工程化魅力。同时，由NVIDIA 30 名工程师组成导师团队，为晋级复赛的 40 支队伍提供一对一辅导陪赛，助力选手获得佳绩。
从实践到迭代 脑力与创造力的集中比拼
本次比赛中涌现出大量优秀的开发者。在获奖的 26 支团队中，有不少团队选择借助 TensorRT-LLM 对通义千问-7B 进行模型推理优化。
通义千问-7B（Qwen-7B）是阿里云研发的通义千问大模型系列的 70 亿参数规模的模型，基于 Transformer 的大语言模型，在超大规模的预训练数据上进行训练得到。在 Qwen-7B 的基础上，还使用对齐机制打造了基于大语言模型的 AI 助手 Qwen-7B-Chat。
获得此次比赛一等奖的 “无声优化者（着）” 团队，选择使用 TensorRT-LLM 完成对 Qwen-7B-Chat 实现推理加速。在开发过程中，克服了 Hugging Face 转 Tensor-LLM、首次运行报显存分配错误、模型 logits 无法对齐等挑战与困难，最终在优化效果上，吞吐量最高提升了 4.57 倍，生成速度最高提升了 5.56 倍。
而获得此次赛事二等奖的 “NaN-emm” 团队，在复赛阶段，则选择使用 TensorRT-LLM 实现 RPTQ 量化。RPTQ 是一种新颖的基于重排序的量化方法，同时量化了权重与中间结果（W8A8），加速了计算。从最开始不熟悉任何 LLM 模型，到后续逐步学习和了解相关技术，“NaN-emm” 团队启用了GEMM plugin，GPT Attention plugin，完成了 VIT、Q-Former、Vicuna-7B 模型的转化，最终通过 40 个测试数据，基于 Torch 框架推理耗时 145 秒，而经过 TensorRT-LLM 优化的推理引擎耗时为 115 秒。
本次大赛还涌现了一批优秀的开发者，本届参赛选手邓顺子不仅率领队伍获得了一等奖，还收获了本次比赛唯一的特别贡献奖。他表示，2022 年的 Hackathon 比赛是他首次接触 TensorRT，这使他对模型推理加速产生了浓厚的兴趣。尽管当时未能进入复赛，但那次经历让他深感自身技能的不足。在上一次比赛中，他目睹了顶尖选手使用 FasterTransformer 在比赛中取得领先地位，这一经历让他对 AI 技术有了更深入的理解和追求。随后，他积极做 TensorRT 上的模型开发，特别是对 ChatGLM/Bloom 等新兴模型进行了优化，感受到了 TensorRT 的强大。
今年，他再次参加了 TensorRT Hackathon 2023，利用 TensorRT-LLM 成功优化了 QWen 大模型，实现了自己的梦想。他感谢主办方给予的机会，团队的支持，以及所有参赛者的努力，他期待未来能与大家一起为 AI 技术的发展创造更多奇迹。
人工智能应用场景创新日新月异，AI 模型的开发与部署也需要注入新的动能。在此次赛事中，选手们基于 TensorRT 挖掘出更多的潜能和功能需求。未来，阿里云和NVIDIA 还将持续为开发者和技术爱好者提供展示技能和创意的平台，天池平台将与更多优秀的开发者一同推进 TensorRT 的发展，让 AI 在 GPU 上更容易、更高效地部署。
