书生·浦语 大模型（学习笔记-2）InternLM2 InternLM2-Chat-1

目录

一、配置基础环境

二、下载 InternLM2-Chat-1.8B 模型

三、实战：部署实战营优秀作品 八戒-Chat-1.8B 模型

四、 实战：使用 Lagent 运行 InternLM2-Chat-7B 模型

五、实战：实践部署 浦语·灵笔2 模型

图片理解实战（小米su7）

---

一、配置基础环境

1.首先进入控制台进行环境配置（开始没有开发机），创建后默认只有8小时的使用时间（自己可更改）

2.进入后选择terminal进行后续操作（选择JupyterLab才有改界面）

接下来的命令：

配置环境命令：

studio-conda -o internlm-base -t demo

与 studio-conda 等效的配置方案

conda create -n demo python==3.10 -y

conda activate demo

conda install pytorch2.0.1 torchvision0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

配置完成后，进入到新创建的 conda 环境之中：

conda activate demo

环境包的安装：

pip install huggingface-hub0.17.3
pip install transformers4.34 
pip install psutil5.9.8
pip install accelerate0.24.1
pip install streamlit1.32.2 
pip install matplotlib3.8.3 
pip install modelscope1.9.5
pip install sentencepiece0.1.99

二、下载 InternLM2-Chat-1.8B 模型

1.需要创建一个新的目录后进行下载

mkdir -p /root/demo

2.创建下载文件（download_mini.py）和运行文件（cli_demo.py）

下载文件：

import os
from modelscope.hub.snapshot_download import snapshot_download

创建保存模型目录

os.system(“mkdir /root/models”)

save_dir是模型保存到本地的目录

save_dir=“/root/models”

snapshot_download(“Shanghai_AI_Laboratory/internlm2-chat-1_8b”, 
                  cache_dir=save_dir, 
                  revision=‘v1.1.0’)

运行文件：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name_or_path = “/root/models/Shanghai_AI_Laboratory/internlm2-chat-1_8b”

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map=‘cuda:0’)
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map=‘cuda:0’)
model = model.eval()

system_prompt = “”"You are an AI assistant whose name is InternLM (书生·浦语).

• InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
• InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
  “”"

messages = [(system_prompt, ‘’)]

print(“=Welcome to InternLM chatbot, type ‘exit’ to exit.=”)

while True:
    input_text = input("\nUser  >>> ")
    input_text = input_text.replace(’ ', ‘’)
    if input_text == “exit”:
        break

length = 0
    for response, _ in model.stream_chat(tokenizer, input_text, messages):
        if response is not None:
            print(response[length:], flush=True, end=“”)
            length = len(response)

运行效果如下：

三、实战：部署实战营优秀作品 八戒-Chat-1.8B 模型

下载和部署与前面一个项目的步骤差不多。主要是在启动方面有区别：

在项目下载完成后，启动：

streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006

1.此时需要对端口环境配置本地 PowerShell进行连接（Win+R进入powershell）

2.然后再控制台查看端口和连接密码进行连接

3. 连接完成，进入 http://127.0.0.1:6006 等待加载即可：

4.加载完成，开始体验：

四、 实战：使用 Lagent 运行 InternLM2-Chat-7B 模型

整体框架图 ：

部署的区别和前面差别不大，主要阐述核心步骤：

1.下载 Lagent 相关的代码库：

git clone https://gitee.com/internlm/lagent.git

git clone https://github.com/internlm/lagent.git

cd /root/demo/lagent
git checkout 581d9fb8987a5d9b72bb9ebd37a95efd47d479ac
pip install -e . # 源码安装

2.下载完成后使用 Lagent 运行 InternLM2-Chat-7B 模型为内核的智能体

需要在lagent目录下建立软连接

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b

并修改启动的模型（gent 路径下 examples/internlm2_agent_web_demo_hf.py 文件，并修改对应位置 71行左右 代码）

value='/root/models/internlm2-chat-7b'

运行命令：

streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

nvert/6c361282296f86381401c05e862fe4e9.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）