abetlen / abetlen/llama-cpp-python

How to use GPU?

Ouverte
#576 21 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
build hardware
Langage dominant
Python
Étoiles
10.6k
Forks
1.4k
Métriques de merge des PR
Métriques de PR en attente

Description

I run llama cpp python on my new PC which has a built in RTX 3060 with 12GB VRAM
This is my code:
```
from llama_cpp import Llama
llm = Llama(model_path="./wizard-mega-13B.ggmlv3.q4_0.bin", n_ctx=2048)
def generate(params):
print(params["promt"])
output = llm(params["promt"], max_tokens=params["max_tokens"], stop=params["stop"], echo=params["echo"])
```

This code works and I get the results that I want but the inference is terribly slow. for a few tokens it takes up to 10 seconds. How do I minimize this time? I dont think my GPU is doing the heavy lifting here...

Guide de contribution

Ouvrir le guide de contribution

Évaluation

Cette issue n'a pas encore été évaluée.

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.