Skip to main content
Open In ColabOpen on GitHub

IPEX-LLM：在 Intel GPU 上本地运行 BGE 嵌入模型

IPEX-LLM 是一个 PyTorch 库，用于在 Intel CPU 和 GPU（例如，本地 PC 的 iGPU，以及 Arc、Flex 和 Max 等独立 GPU）上以极低的延迟运行 LLM。

本示例将介绍如何使用 LangChain，在 Intel GPU 上通过 ipex-llm 优化来执行嵌入任务。这将有助于实现 RAG、文档问答等应用。

注意

建议只有拥有 Intel Arc A 系列 GPU（Intel Arc A300 系列或 Pro A60 除外）的 Windows 用户直接运行此 Jupyter notebook。对于其他情况（例如 Linux 用户、Intel iGPU 等），建议在终端中使用 Python 脚本运行代码以获得最佳体验。

安装先决条件​

要在 Intel GPU 上利用 IPEX-LLM，需要完成几个工具安装和环境准备的先决步骤。

如果您是 Windows 用户，请访问 在 Windows 和 Intel GPU 上安装 IPEX-LLM 指南，然后按照 安装先决条件 更新 GPU 驱动程序（可选）并安装 Conda。

如果您是 Linux 用户，请访问 在 Linux 和 Intel GPU 上安装 IPEX-LLM，然后按照 安装先决条件 安装 GPU 驱动程序、Intel® oneAPI Base Toolkit 2024.0 和 Conda。

设置​

在安装完先决条件后，您应该已经创建了一个已安装所有先决条件的 conda 环境。在此 conda 环境中启动 jupyter 服务：

%pip install -qU langchain langchain-community

安装 IPEX-LLM 以优化 Intel GPU，以及 sentence-transformers。

%pip install --pre --upgrade ipex-llm[xpu] --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/us/
%pip install sentence-transformers

注意

你也可以使用 https://pytorch-extension.intel.com/release-whl/stable/xpu/cn/ 作为 extra-indel-url。

运行时配置​

为了达到最佳性能，建议根据你的设备设置几个环境变量：

适用于使用 Intel Core Ultra 集成 GPU 的 Windows 用户​

import os

os.environ["SYCL_CACHE_PERSISTENT"] = "1"
os.environ["BIGDL_LLM_XMX_DISABLED"] = "1"

适用于拥有 Intel Arc A 系列 GPU 的 Windows 用户​

import os

os.environ["SYCL_CACHE_PERSISTENT"] = "1"

注意

首次在 Intel iGPU/Intel Arc A300 系列或 Pro A60 上运行模型时，编译可能需要几分钟时间。

对于其他 GPU 类型，Windows 用户请参考此处，Linux 用户请参考此处。

基本用法​

在初始化 IpexLLMBgeEmbeddings 时，将 model_kwargs 中的 device 设置为 "xpu" 会将嵌入模型放在 Intel GPU 上，并受益于 IPEX-LLM 的优化：

from langchain_community.embeddings import IpexLLMBgeEmbeddings

embedding_model = IpexLLMBgeEmbeddings(
    model_name="BAAI/bge-large-en-v1.5",
    model_kwargs={"device": "xpu"},
    encode_kwargs={"normalize_embeddings": True},
)
API Reference:IpexLLMBgeEmbeddings

API 参考

sentence = "IPEX-LLM is a PyTorch library for running LLM on Intel CPU and GPU (e.g., local PC with iGPU, discrete GPU such as Arc, Flex and Max) with very low latency."
query = "What is IPEX-LLM?"

text_embeddings = embedding_model.embed_documents([sentence, query])
print(f"text_embeddings[0][:10]: {text_embeddings[0][:10]}")
print(f"text_embeddings[1][:10]: {text_embeddings[1][:10]}")

query_embedding = embedding_model.embed_query(query)
print(f"query_embedding[:10]: {query_embedding[:10]}")