[BUG/Help] <problem about api parameter 'use_stream'>

[bpodq]

Is there an existing issue for this?

• I have searched the existing issues

Current Behavior

我在两台服务器上测试API，一台是有A800 GPU（基于docker，独占GPU），另一台有3090 GPU（直接使用）

发现use_stream这个参数对结果的影响很大

当use_stream是False的时候，A800比3090快很多
10线程A800跑完约15秒，3090跑完约35秒

但是use_stream为True的时候
10线程A800跑完约45秒（是False的3倍），3090跑完约30秒，反而比A800快

30线程、100线程都类似

请问是怎么回事？

Expected Behavior

No response

Steps To Reproduce

python openai_api.py 启动api

然后发送请求
python openai_api_request2.py

是把python openai_api_request.py改了一下
主要改动如下：

L = []
m = 1
n = 10
for j in range(m):
    for i in range(n):

        t = Thread(target=simple_chat, args=(j*10+i, prompts[i], False))        # 切换True False
        # t = Thread(target=simple_chat, args=(j*10+i, prompts[i], True))
        t.start()
        L.append(t)

for i in range(m*n):
    L[i].join()

Environment

- OS: 20.04
- Python: 3.10
- Transformers: 分别是4.39.2, 4.40.1
- PyTorch:分别是2.1.2, 2.0.1
- CUDA Support: True

Anything else?

No response