第 5 节：LMDeploy 大模型量化部署实践

课程资料

基础作业：
- 使用 LMDeploy 以本地对话、网页Gradio、API服务中的一种方式部署 InternLM-Chat-7B 模型，生成 300 字的小故事（需截图）
进阶作业（可选做）
- 将第四节课训练自我认知小助手模型使用 LMDeploy 量化部署到 OpenXLab 平台。
- 对internlm-chat-7b模型进行量化，并同时使用KV Cache量化，使用量化后的模型完成API服务的部署，分别对比模型量化前后和 KV Cache 量化前后的显存大小（将 bs设置为 1 和 max len 设置为512）。
- 在自己的任务数据集上任取若干条进行Benchmark测试，测试方向包括：
  - （1）TurboMind推理+Python代码集成
  - （2）在（1）的基础上采用W4A16量化
  - （3）在（1）的基础上开启KV Cache量化
  - （4）在（2）的基础上开启KV Cache量化
  - （5）使用Huggingface推理(how?)
- 备注：由于进阶作业较难，完成基础作业之后就可以先提交作业了，在后续的大作业项目中使用这些技术将作为重要的加分点！