mirror of
https://github.com/ggerganov/llama.cpp.git
synced 2024-12-26 14:20:31 +01:00
server : support reading arguments from environment variables (#9105)
* server : support reading arguments from environment variables * add -fa and -dt * readme : specify non-arg env var
This commit is contained in:
parent
b40eb84895
commit
fc54ef0d1c
@ -77,6 +77,41 @@
|
|||||||
|
|
||||||
using json = nlohmann::ordered_json;
|
using json = nlohmann::ordered_json;
|
||||||
|
|
||||||
|
//
|
||||||
|
// Environment variable utils
|
||||||
|
//
|
||||||
|
|
||||||
|
template<typename T>
|
||||||
|
static typename std::enable_if<std::is_same<T, std::string>::value, void>::type
|
||||||
|
get_env(std::string name, T & target) {
|
||||||
|
char * value = std::getenv(name.c_str());
|
||||||
|
target = value ? std::string(value) : target;
|
||||||
|
}
|
||||||
|
|
||||||
|
template<typename T>
|
||||||
|
static typename std::enable_if<!std::is_same<T, bool>::value && std::is_integral<T>::value, void>::type
|
||||||
|
get_env(std::string name, T & target) {
|
||||||
|
char * value = std::getenv(name.c_str());
|
||||||
|
target = value ? std::stoi(value) : target;
|
||||||
|
}
|
||||||
|
|
||||||
|
template<typename T>
|
||||||
|
static typename std::enable_if<std::is_floating_point<T>::value, void>::type
|
||||||
|
get_env(std::string name, T & target) {
|
||||||
|
char * value = std::getenv(name.c_str());
|
||||||
|
target = value ? std::stof(value) : target;
|
||||||
|
}
|
||||||
|
|
||||||
|
template<typename T>
|
||||||
|
static typename std::enable_if<std::is_same<T, bool>::value, void>::type
|
||||||
|
get_env(std::string name, T & target) {
|
||||||
|
char * value = std::getenv(name.c_str());
|
||||||
|
if (value) {
|
||||||
|
std::string val(value);
|
||||||
|
target = val == "1" || val == "true";
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
//
|
//
|
||||||
// CPU utils
|
// CPU utils
|
||||||
//
|
//
|
||||||
@ -220,12 +255,6 @@ int32_t cpu_get_num_math() {
|
|||||||
// CLI argument parsing
|
// CLI argument parsing
|
||||||
//
|
//
|
||||||
|
|
||||||
void gpt_params_handle_hf_token(gpt_params & params) {
|
|
||||||
if (params.hf_token.empty() && std::getenv("HF_TOKEN")) {
|
|
||||||
params.hf_token = std::getenv("HF_TOKEN");
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
void gpt_params_handle_model_default(gpt_params & params) {
|
void gpt_params_handle_model_default(gpt_params & params) {
|
||||||
if (!params.hf_repo.empty()) {
|
if (!params.hf_repo.empty()) {
|
||||||
// short-hand to avoid specifying --hf-file -> default it to --model
|
// short-hand to avoid specifying --hf-file -> default it to --model
|
||||||
@ -273,7 +302,9 @@ bool gpt_params_parse_ex(int argc, char ** argv, gpt_params & params) {
|
|||||||
|
|
||||||
gpt_params_handle_model_default(params);
|
gpt_params_handle_model_default(params);
|
||||||
|
|
||||||
gpt_params_handle_hf_token(params);
|
if (params.hf_token.empty()) {
|
||||||
|
get_env("HF_TOKEN", params.hf_token);
|
||||||
|
}
|
||||||
|
|
||||||
if (params.escape) {
|
if (params.escape) {
|
||||||
string_process_escapes(params.prompt);
|
string_process_escapes(params.prompt);
|
||||||
@ -293,6 +324,25 @@ bool gpt_params_parse_ex(int argc, char ** argv, gpt_params & params) {
|
|||||||
return true;
|
return true;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
void gpt_params_parse_from_env(gpt_params & params) {
|
||||||
|
// we only care about server-related params for now
|
||||||
|
get_env("LLAMA_ARG_MODEL", params.model);
|
||||||
|
get_env("LLAMA_ARG_THREADS", params.n_threads);
|
||||||
|
get_env("LLAMA_ARG_CTX_SIZE", params.n_ctx);
|
||||||
|
get_env("LLAMA_ARG_N_PARALLEL", params.n_parallel);
|
||||||
|
get_env("LLAMA_ARG_BATCH", params.n_batch);
|
||||||
|
get_env("LLAMA_ARG_UBATCH", params.n_ubatch);
|
||||||
|
get_env("LLAMA_ARG_N_GPU_LAYERS", params.n_gpu_layers);
|
||||||
|
get_env("LLAMA_ARG_THREADS_HTTP", params.n_threads_http);
|
||||||
|
get_env("LLAMA_ARG_CHAT_TEMPLATE", params.chat_template);
|
||||||
|
get_env("LLAMA_ARG_N_PREDICT", params.n_predict);
|
||||||
|
get_env("LLAMA_ARG_ENDPOINT_METRICS", params.endpoint_metrics);
|
||||||
|
get_env("LLAMA_ARG_ENDPOINT_SLOTS", params.endpoint_slots);
|
||||||
|
get_env("LLAMA_ARG_EMBEDDINGS", params.embedding);
|
||||||
|
get_env("LLAMA_ARG_FLASH_ATTN", params.flash_attn);
|
||||||
|
get_env("LLAMA_ARG_DEFRAG_THOLD", params.defrag_thold);
|
||||||
|
}
|
||||||
|
|
||||||
bool gpt_params_parse(int argc, char ** argv, gpt_params & params) {
|
bool gpt_params_parse(int argc, char ** argv, gpt_params & params) {
|
||||||
const auto params_org = params; // the example can modify the default params
|
const auto params_org = params; // the example can modify the default params
|
||||||
|
|
||||||
|
@ -267,7 +267,7 @@ struct gpt_params {
|
|||||||
std::string lora_outfile = "ggml-lora-merged-f16.gguf";
|
std::string lora_outfile = "ggml-lora-merged-f16.gguf";
|
||||||
};
|
};
|
||||||
|
|
||||||
void gpt_params_handle_hf_token(gpt_params & params);
|
void gpt_params_parse_from_env(gpt_params & params);
|
||||||
void gpt_params_handle_model_default(gpt_params & params);
|
void gpt_params_handle_model_default(gpt_params & params);
|
||||||
|
|
||||||
bool gpt_params_parse_ex (int argc, char ** argv, gpt_params & params);
|
bool gpt_params_parse_ex (int argc, char ** argv, gpt_params & params);
|
||||||
|
@ -247,6 +247,25 @@ logging:
|
|||||||
--log-append Don't truncate the old log file.
|
--log-append Don't truncate the old log file.
|
||||||
```
|
```
|
||||||
|
|
||||||
|
Available environment variables (if specified, these variables will override parameters specified in arguments):
|
||||||
|
|
||||||
|
- `LLAMA_CACHE` (cache directory, used by `--hf-repo`)
|
||||||
|
- `HF_TOKEN` (Hugging Face access token, used when accessing a gated model with `--hf-repo`)
|
||||||
|
- `LLAMA_ARG_MODEL`
|
||||||
|
- `LLAMA_ARG_THREADS`
|
||||||
|
- `LLAMA_ARG_CTX_SIZE`
|
||||||
|
- `LLAMA_ARG_N_PARALLEL`
|
||||||
|
- `LLAMA_ARG_BATCH`
|
||||||
|
- `LLAMA_ARG_UBATCH`
|
||||||
|
- `LLAMA_ARG_N_GPU_LAYERS`
|
||||||
|
- `LLAMA_ARG_THREADS_HTTP`
|
||||||
|
- `LLAMA_ARG_CHAT_TEMPLATE`
|
||||||
|
- `LLAMA_ARG_N_PREDICT`
|
||||||
|
- `LLAMA_ARG_ENDPOINT_METRICS`
|
||||||
|
- `LLAMA_ARG_ENDPOINT_SLOTS`
|
||||||
|
- `LLAMA_ARG_EMBEDDINGS`
|
||||||
|
- `LLAMA_ARG_FLASH_ATTN`
|
||||||
|
- `LLAMA_ARG_DEFRAG_THOLD`
|
||||||
|
|
||||||
## Build
|
## Build
|
||||||
|
|
||||||
|
@ -2507,6 +2507,9 @@ int main(int argc, char ** argv) {
|
|||||||
return 1;
|
return 1;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
// parse arguments from environment variables
|
||||||
|
gpt_params_parse_from_env(params);
|
||||||
|
|
||||||
// TODO: not great to use extern vars
|
// TODO: not great to use extern vars
|
||||||
server_log_json = params.log_json;
|
server_log_json = params.log_json;
|
||||||
server_verbose = params.verbosity > 0;
|
server_verbose = params.verbosity > 0;
|
||||||
|
Loading…
Reference in New Issue
Block a user