TorchChat：Ollama的潜在对手 - 链载Ai

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;line-height: 1.6em;text-align: justify;margin: 0px;text-indent: 0em;outline: 0px;visibility: visible;-webkit-tap-highlight-color: rgba(0, 0, 0, 0);text-size-adjust: 100%;">

PyTorch最近发布TorchChat，TorchChat允许在本地台式机、笔记本电脑或移动设备上下载和运行大型语言模型。会不会让你想到什么，没错就是Ollama。TorchChat是一个适应性强的框架，旨在提高各种硬件平台的LLMs效率，有助于在各种设备上有效地运行本地模型。TorchChat通过支持 GGML 生态系统中常用的GGUF文件来扩展其兼容性。

Torchchat整体而言，主要特色如下：

支持流行 LLMs：直接在本地设备上运行最先进的模型，包括 Llama 3、Llama 2、Mistral
多种执行模式：支持Python(Eager、Compile)和原生(AOT Inductor、ExecuTorch)<可执行文件>模式
跨平台兼容性：在 Linux（x86）、macOS（M1/M2/M3）、Android 和 iOS 上流畅运行
高级量化支持：通过各种量化技术减少内存占用并加速推理
灵活导出能力：轻松准备模型以在桌面和移动平台上部署
内置评估框架：使用内置评估工具评估模型准确性和性能

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin-bottom: 0px;text-align: left;">

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin-bottom: 0px;text-align: justify;">上图为整体的交互模式，Torchchat的核心是一个REST API，可以通过命令行界面（CLI）或浏览器访问。这使得可以轻松集成到现有的Python工作流程和快速原型设计中。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin-bottom: 0px;text-align: justify;">

TorchChat使用AOT Inductor为PyTorch推理程序创建独立的、可分发的可执行文件，特别是以动态库的形式，不依赖于Python和PyTorch。这能满足生产环境中部署模型的需求，即能够保证模型运行时的稳定性，确保它不受到生产环境系统的更新和升级影响，同时确保模型无需重新编译运行。同时使得推理任务能够实现接近原生的性能。

AOT Inductor专注于通过高效的二进制格式来优化模型部署，这些格式可以快速加载并准备执行，从而解决与TorchScript等文本格式相关的限制和开销。它利用代码生成优化技术来提高CPU和GPU性能，减少开销且提高执行速度。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin-bottom: 0px;text-align: justify;">

对于移动设备执行，TorchChat利用ExecuTorch。与AOT Inductor类似，ExecuTorch优化模型以便在移动或嵌入式设备上执行。通过生成PTE来执行模型。这为具有低延迟和高隐私性的 AI 驱动的移动应用程序开辟了可能性。

Torchchat的评估模式可用于评估LLM中各种任务的性能。对于新模型的研究人员而言，这是加分项。通过下面的几行命令快速启动：

git clone https://github.com/pytorch/torchchat.gitcd torchchat
python3 -m venv .venvsource .venv/activate
./install_requirements.sh

命令行模式为：

python3torchchat.pychatllama3.1

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;text-align: justify;margin: 0px;">

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin-bottom: 0px;text-align: justify;">可视化web模式将启动一个基于Web的UI，用于与Llama 3.1模型进行交互，提供更直观和用户友好的体验。

streamlitruntorchchat.py--browserllama3.1

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;text-align: justify;margin: 0px;">

下表展示了Llama 3 8B Instruct在M1 Max和64GB RAM的Apple MacBook Pro上的性能，MPS显示出明显的加速。

MPS (Metal Performance Shaders)是Apple提供的一个图形和计算框架，用于利用GPU进行高效的计算确保最佳性能。

Torchchat在移动设备上的表现同样令人印象深刻。在三星Galaxy S23和 iPhone上通过ExecuTorch使用4 位GPTQ量化实现每秒超过8个令牌。这种性能水平可在现代智能手机上实现响应迅速的设备端 AI 体验。