[Feature]请帮忙提供load_from_weight_dict(weight_dict)接口。

[bingo787]

需求背景：
TGI适配lightllm，多卡加载模型的时候，用到几张卡就会有几个进程，并且每个进程都会完整的加载整个模型到内存中来。
当模型文件太大，比如65B以上的模型，使用8卡加载的话就会需要8*130G的内存，这显然是不合理的，会导致OOM。

解决办法：
可在lightllm中帮忙提供load_from_weight_dict(weight_dict) 接口。TGI层传入权重词典，一边加载一边释放内存，才能解决此问题。

[hiworldwzj]

@bingo787 你如果存储文件的权重是分片足够小，理论上应该不会OOM。或者把权重文件切细小一点也可以。

[bingo787]

@bingo787 你如果存储文件的权重是分片足够小，理论上应该不会OOM。或者把权重文件切细小一点也可以。

跟权重的分片没关系，TGI的8个进程是独立的，每个进程都要读全量权重到内存(变量)中，然后透传给Lightllm。
我们验证过8卡跑65B的模型，需要8*130G的内存，一般服务器没有那么多内存，一定会发生OOM。
你们可以跑一下TGI+Lightllm的组合，问题必现。

[hiworldwzj]

@bingo787 可以改造一下加载部分的逻辑呀，因为lightllm本身的加载实际上是按照分片的权重文件，一个一个读取的，所以实际上8个进程读取的时候，每个进程同时只会读取一个小片文件，处理完当前文件再处理下一个，理论上如果权重分片足够细，就可以避免OOM。或许是和TGI的配合部分出了问题，可以改造一下相关的代码。

[shihaobai]

@bingo787 我们尝试过把TGI 跟LightLLM 加载，你们不需要再TGI里在进行这个权重的加载了，直接走默认LightLLM 的参数加载也是分片读取的，我尝试过在128G的内存环境下8卡读取70B的 llama模型，不会出现OOM 现象

[bingo787]

@bingo787 我们尝试过把TGI 跟LightLLM 加载，你们不需要再TGI里在进行这个权重的加载了，直接走默认LightLLM 的参数加载也是分片读取的，我尝试过在128G的内存环境下8卡读取70B的 llama模型，不会出现OOM 现象

感谢回复！按照你说的流程确实没有问题, 因为直接把模型的本地目录透传给lightllm了，真正加载权重的任务全部交给lightllm了。
但是我们想一下另一种场景: 我需要在TGI里面对权重做一些客制化的动作（比如模型文件解密），这种情况lightllm如果不提供load_from_weight_dict之类的接口, 好像没法处理？或者有更好的方式吗？

[shihaobai]

@bingo787 这种情况确实可以加一个load_from_weight_dict，你们可以https://github.com/ModelTC/lightllm/blob/4a9824b6b248f4561584b8a48ae126a0c8f5b000/lightllm/common/basemodel/basemodel.py#L79快速在这个位置修改，实现想要的功能，后续我们也加一个支持

[bingo787]

@shihaobai 我提了个PR，#318
帮忙review下。

[shihaobai]

ok，方便的话可以根据意见简单修改一下

[bingo787]

ok，方便的话可以根据意见简单修改一下

我没有看到review comment

[bingo787]

@hiworldwzj 当创建对象的时候，weight_dict传入空，肯定不能verfiy_load吧。PR318 我觉得是合理的，或者你有什么修改建议吗？