OLMo适配昇腾开源验证任务

1. 背景介绍

开源for Huawei（参考：https://developer.huaweicloud.cn/programs/opensource/contributing/）
通过和公司、高校、社区的开发者合作，完成鲲鹏、昇腾、欧拉、鸿蒙、高斯、云服务等与开源软件的适配开发，帮助繁荣Huawei的基础生态，同时让开源软件能够更加简单、高效的运行于华为云上。
开始之前，开发者可以下载 开源for Huawei Wiki（参考：https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview）
了解详细的开发步骤，技术准备，以及开发过程需要的各种资源。

2. 需求分析

2.1 开源软件基本情况

OLMo（Open Language Model）是由Allen AI（AI2，艾伦人工智能研究所）开发的一个完全开源开放的大型语言模型（LLM）框架，设计初衷是为了通过开放研究，促进学术界和研究人员共同研究语言模型的科学。OLMo框架提供了一系列的资源，包括数据、训练代码、模型权重以及评估工具，以便研究人员能够更深入地理解和改进语言模型。

官方项目主页：https://allenai.org/olmo
GitHub代码库：https://github.com/allenai/olmo
主要开发语言：Python
LICENSE：Apache License
维护者：Allen AI
项目数据：Fork 488, Star 4.8K, Contributor 40，最近一次提交：2024-11-28

star历史（https://star-history.com/）：

2.2 任务目的和范围

本任务的主要目的是让OLMo在Ascend NPU上高效运行，确保项目在平台上具备良好的兼容性和性能，扩大其在AI和深度学习领域的竞争力和影响力。

能力要求
完成该任务需要具备大模型开发经验，掌握linux常用命令，熟悉模型推理对应的工作流程及其性能调优，理解编译器的基础知识，并且了解昇腾和鲲鹏处理器的架构和部署。开发过程中主要使用Python语言，

适配任务清单

3. 工作量评估

3.1 工作量评估

4. 任务分解

4.1 完成演示DEMO设计、开发

参考：https://github.com/allenai/olmo页面的模型推理，完成相关功能的验证。

4.2 DEMO设计和功能验证

• 环境准备：管理和解决项目依赖问题，配置适当的网络策略和安全组规则，确保DEMO流程可以在Ascend NPU上顺利进行。
• 代码适配：将OLMo项目的代码迁移至搭建好的环境并进行必要的修改和适配，测试并确保项目功能完整。
• DEMO内容：使用自己创建的run.py文件对模型OLMo-7B测试，确保可以支持文本补全功能，并通过gradio构建一个简单的Web应用界面展示DEMO效果。
• 文档撰写：写出文档列出详细的步骤并通过开源平台进行发布，旨在确保即便是初学者也能跟随并成功复现结果。

4.3 在华为云开发者论坛输出博客

访问华为云开发者论坛（参考：https://bbs.huaweicloud.cn/blogs）发表博客，介绍完成这些任务的过程和心得。

内容包括不限于如下内容：

l 开源for Huawei的背景

l 开源软件的功能介绍

l 开发适配过程及碰到和解决的问题

l DEMO设计、开发、部署过程

博客打上如下标签：

l 开源（必选）

l 开发者（必选）

l 鲲鹏（可选）

l 昇腾（可选）

l Euler（可选）

5. 验收材料

参考资料
开源for Huawei介绍、环境搭建、示例项目、开发和部署指南：https://gitcode.com/HuaweiCloudDeveloper/OpenSourceForHuaweiWiki/overview
华为昇腾社区首页：https://www.hiascend.com/developer
华为鲲鹏社区首页：https://www.hikunpeng.com/developer
华为欧拉社区首页：https://www.openeuler.org/