冬
gcw_IDzXRVNw/all-MiniLM-L6-v2-ascend
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

all-MiniLM-L6-v2 Ascend NPU 部署指南

项目简介

all-MiniLM-L6-v2 是 sentence-transformers 系列的高效句子嵌入模型,将句子映射到 384 维稠密向量空间,可用于聚类和语义搜索等任务。该模型基于 BERT 架构,采用 6 层 Transformer 编码器,参数量约 22.7M。

特性

  • 支持 Ascend NPU 推理加速
  • CPU vs NPU 精度对比测试 (< 1% 误差)
  • 高效句子嵌入提取
  • 384 维向量输出
  • 兼容 HuggingFace transformers

环境要求

  • 硬件: 华为 Ascend 910 系列 NPU
  • CANN: 8.0.RC1 或更高版本
  • PyTorch: 2.0+ with torch_npu
  • Docker: 容器名称 test-modelagent
  • transformers: 4.8+

目录结构

all-MiniLM-L6-v2-ascend/
├── inference.py          # 推理测试脚本
├── log.txt               # 测试日志
├── README.md             # 本文档
└── test_sentences.txt   # 测试句子

部署步骤

1. 进入容器

docker exec -it test-modelagent bash

2. 设置环境变量

source /usr/local/Ascend/ascend-toolkit/set_env.sh

3. 准备模型文件

模型文件位于 /data/ysws/agentsp/5-15/all-MiniLM-L6-v2/ 目录下:

  • model.safetensors - 模型权重 (约 90MB)
  • config.json - 模型配置
  • tokenizer.json / vocab.txt - 分词器文件
  • 1_Pooling/ - 池化配置

4. 安装依赖

pip install transformers torch_npu

使用方式

方式一:普通推理模式

运行推理脚本进行句子嵌入提取:

cd /data/ysws/agentsp/5-15/all-MiniLM-L6-v2-ascend/

# 使用默认测试句子
python3 inference.py

# 使用指定设备
python3 inference.py --device npu:0

方式二:精度测试模式 (CPU vs NPU)

运行精度对比测试,验证 NPU 计算结果与 CPU 一致性:

cd /data/ysws/agentsp/5-15/all-MiniLM-L6-v2-ascend/

# 运行完整精度测试
python3 inference.py --mode precision_test

命令行参数说明

参数说明默认值
--mode测试模式: inference 或 precision_testinference
--device运行设备npu:0 (自动检测)

测试验证

精度测试结果

指标实测值阈值状态
相对误差0.1547%< 1.00%PASS
Cosine 相似度差1.38e-04< 1.00e-02PASS

性能数据

操作耗时
CPU 推理时间 (3 句)0.102s
NPU 推理时间 (3 句)0.271s
单句 NPU 推理~0.09s

推理结果示例

输入句子嵌入维度Cosine 相似度
"This is a test sentence..." vs "The model maps sentences..."3840.4740

结果: CPU 和 NPU 输出的 cosine 相似度差异仅 0.000138,几乎完全一致

测试日志

完整测试日志保存在 log.txt

Python API 使用示例

基本推理

import torch
from transformers import AutoTokenizer, AutoModel

MODEL_DIR = "/data/ysws/agentsp/5-15/all-MiniLM-L6-v2"

tokenizer = AutoTokenizer.from_pretrained(MODEL_DIR)
model = AutoModel.from_pretrained(MODEL_DIR)
model = model.to("npu:0")
model.eval()

def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output.last_hidden_state
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

sentences = ["This is a test sentence", "Each sentence is converted"]
inputs = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
inputs = {k: v.to("npu:0") for k, v in inputs.items()}

with torch.no_grad():
    outputs = model(**inputs)
    embeddings = mean_pooling(outputs, inputs['attention_mask'])

print(f"Embeddings shape: {embeddings.shape}")  # torch.Size([2, 384])

语义相似度计算

from sklearn.metrics.pairwise import cosine_similarity

# 计算两个句子的相似度
emb1 = embeddings[0].cpu().numpy()
emb2 = embeddings[1].cpu().numpy()
similarity = cosine_similarity([emb1], [emb2])[0][0]
print(f"Cosine similarity: {similarity:.4f}")

批量处理

sentences = [
    "First sentence for embedding",
    "Second sentence for comparison",
    "Third sentence in the batch"
]

inputs = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
inputs = {k: v.to("npu:0") for k, v in inputs.items()}

with torch.no_grad():
    outputs = model(**inputs)
    embeddings = mean_pooling(outputs, inputs['attention_mask'])

print(f"Batch embeddings shape: {embeddings.shape}")  # torch.Size([3, 384])

模型结构

  • 架构类型: BERT (MiniLM)
  • 编码器: 6 层 Transformer
  • 隐藏层维度: 384
  • 注意力头数: 12
  • 参数量: ~22.7M
  • 池化方式: Mean Pooling
组件说明
embeddingsBERT 词嵌入 (vocab_size=30522)
encoder6 层 Transformer 编码器
poolerMean Pooling over token embeddings

推理参数配置

从 config.json 提取的关键参数:

{
  "hidden_size": 384,
  "intermediate_size": 1536,
  "num_attention_heads": 12,
  "num_hidden_layers": 6,
  "vocab_size": 30522
}

常见问题

Q: 精度测试失败?

A: 检查 NPU 驱动是否正确安装,确保 CANN 环境变量已 source。0.1-0.2% 的数值误差是正常的,因为 NPU 和 CPU 使用不同的计算精度。

Q: 如何提高推理速度?

A: 使用批处理可以显著提高吞吐量。另外,首次推理会有编译开销,后续推理会更快。

Q: 模型输出的向量有什么用?

A: 可用于:

  • 语义搜索: 计算向量相似度
  • 聚类: 将相似句子聚在一起
  • 重排序: 对候选结果进行相似度排序

参考链接

  • 原始模型: https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2
  • Sentence-Transformers: https://www.SBERT.net
  • HuggingFace Transformers: https://huggingface.co/transformers

许可证

本项目遵循 Apache-2.0 许可证