fastllm移植到Windows加快LLM推理

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

最近在搞一个关于Chatglm-6B的项目，一个普通的回答要接近5秒钟，经过研究发现fastllm有明显的加速，加速后1.5秒，而且也没发现损失什么精度。

---

一、fastllm是什么？

fastllm是纯C++实现，无第三方依赖的高性能大模型推理库。6~7B级模型在安卓端上也可以流畅运行。今天不讨论安卓，讨论在CUDA上的部署。

fastllm源代码

二、环境准备

开始之前你需要准备一些必要的环境。对于相关开发人员来说，这些环境应该基本都是有的。

1.操作系统

Windows10和Windows11是可以的，经过实际测试的。

2.Clion

Clion-2023.2或2023.3版本都可以。我是在Clion上编译的，也可以在VS上编译，但是我这里只提供Clion的方法，VS的方法请自行研究。

3.Visual Studio

2019和2022经过测试都是可以的，需要安装C++编译工具链。你也可以不完整安装VS，只安装工具链也行，这里就不说方法了，请自行研究。

4.Python

经过测试3.9和3.10的版本都是可以的，最好使用Anaconda环境，操作起来方便。

5.CUDA

CUDA环境是一定需要的，我这里使用的是11.8，其它的环境应该也是没问题的。Windows安装CUDA环境的教程网上一大堆，大家自行搜索下。

三、配置环境

Python环境比较容易，创建一个基于3.9的虚拟环境就行了。Windows上CUDA安装会自行配置环境变量。重点说下Clion，这里需要配置VS的编译环境，自带的MingW环境不行。

点击File->Settings->Build->Toolchains，找不到的请把IDE改成英文，我是习惯了使用英文。

默认可能是没有VS环境的，需要手动添加的看下面的教程。前提是你已经安装好VS环境了。


主要是Toolset，这里只说2019和2022，略有差别，我也不可能在自己电脑上都装上。

VS2019：
选择安装路径下的Community

VS2022：
选择安装路径下的BuildTools

然后Archtecture和你的操作系统有关系，我是64位系统就选amd64，其它的不用选会自动检测的。

切记：选完后将VS编译工具链移动到最顶上。

四、构建

1.打开CUDA选项

2.配置Compute

不知道自己的显卡的Compute就去英伟达官网查询。

查询Compute

五、编译

这个就不用教了吧，等待结束就行了，代码里出现了很多的Warning，不用担心，不影响使用。

---

总结

1、原作者只给了Linux上的编译方法，Windows的还是费了些波折。