使用 inference_hf.py 推理异常

[Xiaoshu-Zhao]

提交前必须检查以下项目

• 请确保使用的是仓库最新代码（git pull）
• 已阅读项目文档和FAQ章节并且已在Issue中对问题进行了搜索，没有找到相似问题和解决方案。
• 第三方插件问题：例如llama.cpp、text-generation-webui等，建议优先去对应的项目中查找解决方案。

问题类型

本地推理

基础模型

llama-3-chinese-8b-instruct-v2

操作系统

wsl2

详细描述问题

python3 inference_hf.py \
    --base_model /mnt/c/Users/zhaox/OneDrive/桌面/code/llm/models/origin_model/llama-3-chinese-8b-instruct-v2 \
    --with_prompt \
    --interactive

我希望在本地用wsl2运行 llama3。我参考了 ReadMe 里面的用 hugging face 推理的方法，发现推理的时候会卡住，显卡的占用率也很低。请问是什么问题呢

依赖情况（代码类问题务必提供）

# 请在此处粘贴依赖情况（请粘贴在本代码块里）

我的电脑使用的 RTX 3060， cuda 版本如下：

PyTorch version: 2.3.0+cu121
CUDA available: True
CUDA version: 12.1
cuDNN version: 8902
GPU: NVIDIA GeForce RTX 3060

运行日志或截图

# 请在此处粘贴运行日志（请粘贴在本代码块里）

[github-actions]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your consideration.

[github-actions]

Closing the issue, since no updates observed. Feel free to re-open if you need any further assistance.