TorchChat：PyTorch推出的强大语言模型框架

PyTorch最近推出了TorchChat，一个允许用户在本地台式机、笔记本电脑或移动设备上下载和运行大型语言模型的框架。这不禁让人联想到Ollama。TorchChat的设计旨在增强在多种硬件平台上大型语言模型（LLMs）的效率，使其能够在各种设备上高效运行本地模型。此框架通过支持GGML生态系统中常用的GGUF文件，增强了其兼容性。

TorchChat的主要特点包括：

支持主流LLMs：可直接在本地设备上运行尖端模型，包括Llama 3、Llama 2和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上运行顺畅。
高级量化支持：通过多种量化技术降低内存占用并加速推理。
灵活的导出能力：轻松准备模型以在桌面和移动平台上部署。
内置评估框架：利用内置的评估工具来评估模型的准确性与性能。

TorchChat的核心是一个REST API，用户可以通过命令行界面（CLI）或浏览器进行访问。这使得它能够轻松集成到现有的Python工作流程中并加速原型开发。

TorchChat利用AOT Inductor来创建独立、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。这为生产环境中的模型部署提供了保障，确保模型在运行时的稳定性，不会受到操作系统更新和升级的影响，同时确保模型无需重新编译。这种方式还能够实现接近原生的性能。AOT Inductor通过高效的二进制格式来优化模型部署，快速加载并准备执行，克服了TorchScript等文本格式的限制和开销，利用代码生成优化技术提升CPU和GPU性能，降低开销并加快执行速度。

在移动设备执行方面，TorchChat通过ExecuTorch进行优化。ExecuTorch类似AOT Inductor，专为移动或嵌入式设备的模型执行而设计，提供低延迟和高隐私性的AI驱动的移动应用体验。TorchChat的评估模式可用于评估LLM在多种任务中的表现，尤其对新模型研究人员来说是一个加分项。用户可以通过以下命令快速启动：

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

命令行模式如下：

python3 torchchat.py chat llama3.1

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，提供更加直观和用户友好的体验。

streamlit run torchchat.py --browser llama3.1

下表展示了在M1 Max和64GB RAM的Apple MacBook Pro上，Llama 3 8B Instruct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，旨在利用GPU进行高效计算，以确保最佳性能。

TorchChat在移动设备上的表现同样令人印象深刻。通过ExecuTorch在三星Galaxy S23和iPhone上使用4位GPTQ量化，其性能超过每秒8个令牌。这种性能水平为现代智能手机提供了响应迅速的设备端AI体验。