feat(转换工具): 1. 添加模型转换示例 2. 更新 Cargo.toml 文件以包含新依赖 3. 删除过时的模型指南文档 4. 更新 README 文件以反映项目结构和使用说明

Cargo.lock

@@ -564,6 +564,7 @@ version = "0.21.0"
 source = "registry+https://github.com/rust-lang/crates.io-index"
 checksum = "0098bf6555c151517b4c98ca0e8ed1ab6a976e40f5f4e967c117b00eee21e192"
 dependencies = [
+ "aligned-vec",
  "burn-backend",
  "burn-ir",
  "burn-std",
@@ -571,7 +572,9 @@ dependencies = [
  "gemm",
  "half",
  "libm",
+ "macerator",
  "num-traits",
+ "rayon",
 ]
 
 [[package]]
@@ -749,6 +752,7 @@ dependencies = [
  "aligned-vec",
  "bon",
  "burn-cubecl",
+ "burn-flex",
  "burn-fusion",
  "burn-ir",
  "burn-tensor",
@@ -1080,6 +1084,15 @@ version = "0.6.1"
 source = "registry+https://github.com/rust-lang/crates.io-index"
 checksum = "136d3e02915a2cea4d74caa8681e2d44b1c3254bdbf17d11d41d587ff858832c"
 
+[[package]]
+name = "convert"
+version = "0.1.0"
+dependencies = [
+ "anyhow",
+ "burn",
+ "minicpm-convert",
+]
+
 [[package]]
 name = "convert_case"
 version = "0.8.0"

Cargo.toml

@@ -3,6 +3,7 @@ members = [
   "crates/minicpm-core",
   "crates/minicpm-convert",
   "crates/minicpm-inference",
+  "examples/convert",
   "examples/wgpu-backend",
 ]
 resolver = "2"

MODEL_GUIDE.md

@@ -1,155 +0,0 @@
-# 模型格式与使用指南
-
-## 模型格式说明
-
-项目支持三种模型格式，适用于不同场景：
-
-| 格式 | 精度 | 文件大小 | 适用后端 | 速度 |
-|------|------|----------|----------|------|
-| full | f32 全精度 | ~2.5GB | Flex / Wgpu | 基准 |
-| half | f16 半精度 | ~1.2GB | Flex / Wgpu | 较快 |
-| q8 | INT8 量化 | ~650MB | Flex (推荐) | 最快 |
-
-### 1. 全精度模型 (full)
-- 目录：`model/`
-- 文件：`model.mpk`
-- 精度：FP32
-- 适用场景：精度优先、GPU 推理
-
-### 2. 半精度模型 (half)
-- 目录：`model_half/`
-- 文件：`model.mpk`
-- 精度：FP16
-- 适用场景：GPU 推理、显存有限
-
-### 3. INT8 量化模型 (q8)
-- 目录：`model_q8/`
-- 文件：`model.q8.bin` + `model.q8.json`
-- 精度：INT8 + 缩放因子
-- 适用场景：CPU 推理、内存有限
-- 特性：SIMD 指令集加速（AVX2/SSE）
-
-## 使用方法
-
-### 命令行参数
-
-所有示例都支持以下命令行参数：
-
-```bash
---full   # 使用全精度模型
---half   # 使用半精度模型
---q8     # 使用 INT8 量化模型
-```
-
-**重要**：参数前需要加 `--` 与 cargo 分隔：
-
-```bash
-# 正确
-cargo run --release -p flex-backend -- --q8
-cargo run --release -p wgpu-backend -- --half
-
-# 错误（参数会被 cargo 吃掉）
-cargo run --release -p flex-backend --q8
-```
-
-### Flex 后端（CPU）
-
-```bash
-# 全精度
-cargo run --release -p flex-backend -- --full
-
-# 半精度
-cargo run --release -p flex-backend -- --half
-
-# INT8 量化（推荐，最快）
-cargo run --release -p flex-backend -- --q8
-```
-
-**最佳性能编译**：
-```bash
-RUSTFLAGS="-C target-cpu=native" cargo build --release -p flex-backend
-cargo run --release -p flex-backend -- --q8
-```
-
-### Wgpu 后端（GPU）
-
-```bash
-# 全精度（推荐）
-cargo run --release -p wgpu-backend -- --full
-
-# 半精度
-cargo run --release -p wgpu-backend -- --half
-
-# INT8 量化（不推荐，性能较差）
-cargo run --release -p wgpu-backend -- --q8
-```
-
-**注意**：
-- WGPU 后端下，q8 量化层使用 CPU 实现，会频繁在 CPU-GPU 间传输数据，性能可能不如全精度
-- GPU 推理建议使用 `--full` 或 `--half`
-
-## 模型转换
-
-使用 convert 示例转换模型：
-
-```bash
-# 全精度
-cargo run --release -p convert -- --full
-
-# 半精度
-cargo run --release -p convert -- --half
-
-# INT8 量化
-cargo run --release -p convert -- --q8
-
-# 全部转换
-cargo run --release -p convert -- --all
-```
-
-源模型目录：`MiniCPM5-1B/`（需要包含 safetensors 格式模型）
-
-## 性能对比（参考）
-
-以 MiniCPM5-1B 模型为例：
-
-| 后端 | 格式 | 内存占用 | 推理速度 | 推荐指数 |
-|------|------|----------|----------|----------|
-| Flex CPU | q8 | ~1GB | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
-| Flex CPU | half | ~1.5GB | ⭐⭐⭐ | ⭐⭐ |
-| Flex CPU | full | ~3GB | ⭐⭐ | ⭐ |
-| Wgpu GPU | full | ~2.5GB | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
-| Wgpu GPU | half | ~1.5GB | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
-| Wgpu GPU | q8 | ~1GB | ⭐ | ⭐ |
-
-> 注：实际性能取决于 CPU/GPU 型号、内存带宽等因素
-
-## 启动时的输出说明
-
-程序启动时会打印配置信息，确认使用的模型格式：
-
-```
-========================================
-后端: Flex (纯 Rust CPU)
-模式: INT8 量化 (SIMD 加速)
-模型目录: model_q8
-配置文件: MiniCPM5-1B/config.json
-  特性: INT8 量化 + SIMD 加速，推荐使用
-  编译建议: RUSTFLAGS="-C target-cpu=native" cargo build --release
-========================================
-```
-
-如果模式和模型目录与预期不符，请检查命令行参数是否正确传递。
-
-## 常见问题
-
-### Q: 加了 --q8 参数但感觉没变化？
-A: 检查是否加了 `--` 分隔符。正确用法：`cargo run --release -p flex-backend -- --q8`
-
-### Q: WGPU 上 q8 反而更慢？
-A: 正常现象。q8 量化是 CPU 优化的，GPU 上建议用 full 或 half。
-
-### Q: half 模型速度和 full 差不多？
-A: Flex CPU 后端上 f16 运算会转成 f32，速度差异不大。WGPU GPU 后端上显存占用会明显减少。
-
-### Q: 怎么确认用的是哪个模型？
-A: 看启动时的打印信息，"模式"和"模型目录"字段会显示当前配置。

examples/convert/Cargo.toml

@@ -0,0 +1,13 @@
+[package]
+name = "convert"
+version = "0.1.0"
+edition = "2021"
+
+[[bin]]
+name = "convert"
+path = "src/main.rs"
+
+[dependencies]
+minicpm-convert = { path = "../../crates/minicpm-convert" }
+burn = { version = "0.21", default-features = false, features = ["std", "flex"] }
+anyhow = "1.0"

examples/convert/src/main.rs

@@ -0,0 +1,20 @@
+use burn::backend::{flex::FlexDevice, Flex};
+use minicpm_convert::{run_export, ExportTask, Format};
+use std::path::Path;
+
+fn main() -> anyhow::Result<()> {
+    let safetensors_path = Path::new("MiniCPM5-1B/model-00000-of-00001.safetensors");
+    let config_path = Path::new("MiniCPM5-1B/config.json");
+    let tokenizer_path = Path::new("MiniCPM5-1B/tokenizer.json");
+
+    println!("模型转换工具");
+    println!("源文件: {:?}", safetensors_path);
+    println!();
+
+    let device = FlexDevice::default();
+    let tasks = vec![ExportTask::new(Format::Full)];
+
+    run_export::<Flex>(safetensors_path, config_path, tokenizer_path, &tasks, &device)?;
+
+    Ok(())
+}

readme.md

@@ -1,186 +1,126 @@
 # MiniCPM5-1B-rust
 
-基于 [Burn](https://burn.dev/) 深度学习框架实现的 MiniCPM5-1B 大语言模型推理库，纯 Rust 编写，支持 GPU 加速。
+MiniCPM5-1B 模型的 Rust 推理实现，基于 [Burn](https://github.com/tracel-ai/burn) 框架。
 
-## 模型架构参数
+## 特性
 
-| 参数 | 值 |
+- 🔥 **Wgpu GPU 加速**：支持 CUDA / Metal / Vulkan / DX12 等多种 GPU 后端
-|------|-----|
+- 🚀 **算子融合**：启用 fusion + autotune 优化，自动选择最优 kernel
-| 层数 | 24 |
+- 📝 **流式输出**：实时生成文本，支持逐字输出
-| 注意力机制 | GQA (16 Query / 2 KV) |
+- 🧠 **思考模式**：支持开启模型的推理思考过程
-| head_dim | 128 |
+- 📦 **纯 Rust**：无 C/C++ 依赖，跨平台编译简单
-| hidden_size | 1536 |
-| intermediate_size | 8960 |
-| vocab_size | 151936 |
-| RoPE theta | 5000000 |
-| 归一化 | RMSNorm |
-| 激活函数 | SiLU (SwiGLU) |
-| KV Cache | 支持 |
 
-## Workspace 结构
+## 项目结构
 
-项目采用 Cargo workspace 多成员结构，包含三个 crate：
+```
-
+MiniCPM5-1B-rust/
-### minicpm-core
+├── crates/
-
+│   ├── minicpm-core/        # 核心模型实现（Transformer、Attention、FFN）
-核心模型定义，包含：
+│   ├── minicpm-inference/   # 推理引擎（生成、采样、tokenizer）
-
+│   └── minicpm-convert/     # 模型转换库
-- `LlamaConfig` — 模型配置（从 `config.json` 加载）
+└── examples/
-- `LlamaForCausalLM` — 因果语言模型主体
+    ├── convert/             # 模型转换示例（safetensors → Burn 格式）
-- `LlamaKVCache` — KV 缓存结构
+    └── wgpu-backend/        # Wgpu GPU 推理示例
-- `EosTokenId` — EOS token 标识（支持单个或多个）
+```
-- 各模块实现：Attention、Decoder、FFN、RMSNorm、RoPE
-
-### minicpm-convert
-
-模型格式转换工具，负责将 HuggingFace safetensors 格式的权重转换为 Burn MPK 格式：
-
-- `export_model()` — 完整转换流程（加载 safetensors → 构建模型 → 导出 MPK）
-- 支持 BF16 / F16 / F32 精度输入
-- 支持 `tie_word_embeddings` 权重共享
-
-### minicpm-inference
-
-推理功能封装，提供高层 API：
-
-- `MiniCPM` — 高层封装，整合模型 + tokenizer + 推理逻辑
-- `TokenizerWrapper` — tokenizer 封装，支持 MiniCPM5 chat template
-- `GenerationConfig` — 生成配置（max_new_tokens、temperature、top_p）
-- `generate_with_cache()` — 带 KV Cache 的自回归生成
-- 支持 temperature 采样、top-p 采样、greedy 解码
 
 ## 快速开始
 
-### 1. 转换模型
+### 1. 准备模型
 
-首先将 HuggingFace 格式的 MiniCPM5-1B 模型转换为 Burn MPK 格式：
+将 MiniCPM5-1B safetensors 模型放到 `MiniCPM5-1B/` 目录：
+
+```
+MiniCPM5-1B/
+├── model-00000-of-00001.safetensors
+├── config.json
+└── tokenizer.json
+```
+
+### 2. 转换模型
+
+```bash
+cargo run --release -p convert
+```
+
+转换完成后会生成 `model/` 目录（全精度 f32，Burn mpk 格式）。
+
+### 3. 运行推理
+
+```bash
+# 普通模式
+cargo run --release -p wgpu-backend
+
+# 开启思考模式
+cargo run --release -p wgpu-backend -- --think
+```
+
+## 使用说明
+
+### wgpu-backend 命令行参数
+
+| 参数 | 说明 |
+|------|------|
+| `--think` | 开启思考模式，模型会在回答前进行推理思考 |
+
+### GenerationConfig
 
 ```rust
-use minicpm_convert::export_model;
+GenerationConfig {
-use burn::backend::Wgpu;
+    max_new_tokens: Some(1200), // 最大生成 token 数
-use std::path::Path;
+    temperature: 0.7,            // 温度，越高越随机
-
+    top_p: 0.95,                 // nucleus sampling 参数
-fn main() -> anyhow::Result<()> {
-    let device = Default::default();
-
-    export_model::<Wgpu>(
-        Path::new("MiniCPM5-1B/model.safetensors"),
-        Path::new("MiniCPM5-1B/config.json"),
-        Path::new("MiniCPM5-1B-burn"),
-        &device,
-    )?;
-
-    Ok(())
 }
 ```
 
-转换完成后，`MiniCPM5-1B-burn/` 目录下会生成 `model.mp` 文件。
+### 作为库使用
-
-### 2. 推理使用
-
-使用 `MiniCPM` 高层 API 进行文本生成：
 
 ```rust
-use minicpm_inference::{MiniCPM, GenerationConfig};
+use burn::backend::{wgpu::WgpuDevice, Wgpu};
-use burn::backend::Wgpu;
+use minicpm_inference::{GenerationConfig, MiniCPM};
 
-fn main() -> anyhow::Result<()> {
+let device = WgpuDevice::default();
-    let device = Default::default();
-
-    // 加载模型
 let model = MiniCPM::<Wgpu>::load(
-        "MiniCPM5-1B-burn/model",
+    "model/model",
-        "MiniCPM5-1B/config.json",
-        "MiniCPM5-1B/tokenizer.json",
-        &device,
-    )?;
-
-    // 生成配置
-    let gen_config = GenerationConfig {
-        max_new_tokens: Some(512),
-        temperature: 0.7,
-        top_p: 0.8,
-    };
-
-    // 生成回答（think = true 启用思考模式）
-    let response = model.generate("用 Rust 写一个 Hello World", true, &gen_config)?;
-
-    println!("{}", response);
-
-    Ok(())
-}
-```
-
-## 移植到其他项目
-
-### 依赖配置
-
-在你的 `Cargo.toml` 中添加：
-
-```toml
-[dependencies]
-minicpm-inference = { path = "../MiniCPM5-1B-rust/crates/minicpm-inference" }
-burn = { version = "0.21", features = ["std", "wgpu"] }
-anyhow = "1.0"
-```
-
-> 也可以根据需要选择其他 backend（如 `tch-gpu`、`cuda` 等）。
-
-### 最小示例
-
-```rust
-use minicpm_inference::{MiniCPM, GenerationConfig};
-use burn::backend::Wgpu;
-
-fn main() -> anyhow::Result<()> {
-    let device = Default::default();
-
-    let model = MiniCPM::<Wgpu>::load(
-        "model",
     "config.json",
     "tokenizer.json",
     &device,
 )?;
 
 let config = GenerationConfig {
-        max_new_tokens: Some(256),
+    max_new_tokens: Some(500),
-        temperature: 1.0,
+    temperature: 0.7,
-        top_p: 1.0,
+    top_p: 0.95,
 };
 
-    let output = model.generate("你好", false, &config)?;
+// 流式生成
-    println!("{}", output);
+let stream = model.generate_stream("你好", false, &config)?;
-
+for text in stream {
-    Ok(())
+    print!("{}", text);
 }
 ```
 
-## 模型文件准备
+## 发布构建
 
-`MiniCPM5-1B/` 目录需要包含以下文件：
+```bash
+# Release 构建（启用 LTO + 最高优化级别）
+cargo build --release
 
-```
+# 发布到 gitea registry
-MiniCPM5-1B/
+cargo publish -p minicpm-core --registry gitea
-├── config.json        # 模型配置文件
+cargo publish -p minicpm-inference --registry gitea
-├── model.safetensors  # safetensors 格式权重
+cargo publish -p minicpm-convert --registry gitea
-└── tokenizer.json     # tokenizer 配置
 ```
 
-转换后 Burn 模型目录结构：
+Release profile 配置：
+- `opt-level = 3`：最高优化级别
+- `lto = true`：链接时优化
+- `codegen-units = 1`：单代码生成单元，最大化优化
 
-```
+## 依赖
-MiniCPM5-1B-burn/
-└── model.mp           # Burn MPK 格式权重
-```
 
-## 性能说明
+- Rust 1.75+
+- 支持 Wgpu 的 GPU（CUDA / Metal / Vulkan / DX12）
 
-| Backend | 设备 | 速度 | 显存占用 |
+## License
-|---------|------|------|----------|
-| WGPU (Vulkan) | RTX 4060 | ~10 tokens/s | ~4 GB (F32) |
-
-> 以上数据仅供参考，实际性能因硬件配置、生成长度等因素而异。
-
-## 许可证
 
 MIT