【玩转 GPU】本地私有化部署大模型--chatGLM（尝鲜篇）

本文主要介绍ChatGLM-6B 的本地部署，提供更保姆级别的教程，让完全不懂技术的同学，也能在本地私有化部署大模型～

在19年曾经尝试过使用GPT2进行代码补全，当时就被大模型效果惊艳到啊，只是没想到短短3年多，大模型效果提升这么快。学不完，根本学不完…

大模型实在太火了，终于还是忍不住对它下手。今天介绍如何在本地部署大模型尝鲜，后面有时间会持续出大模型技术原理篇。

1 大语言模型LLM

大语言模型（Large Language Model），是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大，包含数十亿的参数，帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构，如转化器，这有助于它们在各种NLP任务上取得令人印象深刻的表现。

语言模型的发展

https://www.bmpi.dev/dev/deep-learning/nlp-language-models/

从2017年google提出Transformer后，各种基于transformer的变形结构被提出和使用。主要分类两类，一种是基于encoder，最具代表的BERT模型；一种是基于decoder，最具代表的openAI提出的GPT系列。现在明显GPT在LLM领域处于领先地位了，特别ChatGPT的问世。

2 GPU相关知识

以下回答均来自ChatGPT

2.1 GPU和CPU有什么区别

GPU和CPU是两种不同的计算机处理器，它们在设计和功能上有很大的区别。

CPU（中央处理器）是计算机的主要处理器，它负责执行计算机的指令和控制计算机的操作。CPU通常有几个核心，每个核心可以处理一个线程。CPU的设计目的是为了处理通用计算任务，例如操作系统、应用程序和游戏等。

GPU（图形处理器）是专门设计用于处理图形和图像的处理器。GPU通常有数百个甚至数千个小型处理单元，这些处理单元可以同时处理多个任务。GPU的设计目的是为了加速图形和图像处理任务，例如游戏、视频编辑和机器学习等。

因此，GPU和CPU在设计和功能上有很大的区别。GPU比CPU更适合处理大规模的并行计算任务，例如机器学习和深度学习等。而CPU则更适合处理通用计算任务，例如操作系统和应用程序等。

GPU可以对AI深度学习模型加速的原因有以下几点：

并行计算能力：GPU拥有大量的小型处理单元，这些处理单元可以同时处理多个任务，因此GPU比CPU更适合处理大规模的并行计算任务。在深度学习中，许多计算任务可以被分解为大量的小型计算任务，这些计算任务可以被并行处理，因此GPU可以大大加速深度学习模型的训练和推理。

浮点运算能力：深度学习模型中的计算任务通常涉及大量的浮点运算，例如矩阵乘法和卷积等。GPU拥有专门的浮点运算单元，可以高效地执行这些计算任务，因此GPU比CPU更适合处理深度学习模型中的计算任务。

内存带宽：深度学习模型通常需要大量的数据进行训练和推理，因此内存带宽对于深度学习模型的性能至关重要。GPU拥有高速的内存带宽，可以高效地读取和写入大量的数据，因此GPU可以大大加速深度学习模型的训练和推理。

综上所述，GPU可以对AI深度学习模型加速的原因是它具有强大的并行计算能力、高效的浮点运算能力和高速的内存带宽，这些特性使得GPU比CPU更适合处理深度学习模型中的计算任务。

2.2 常见GPU芯片

几种常用的GPU芯片及其优缺点对比：

1. NVIDIA GeForce系列

优点：NVIDIA GeForce系列是目前市场上最流行的GPU芯片之一，具有强大的计算能力和广泛的应用支持。NVIDIA GeForce系列的GPU芯片适用于游戏、图形处理、机器学习和深度学习等领域。

缺点：NVIDIA GeForce系列的GPU芯片相对较贵，而且功耗较高，需要较大的散热器和电源支持。

2. AMD Radeon系列

优点：AMD Radeon系列是另一种流行的GPU芯片，具有较高的性价比和广泛的应用支持。AMD Radeon系列的GPU芯片适用于游戏、图形处理和机器学习等领域。

缺点：AMD Radeon系列的GPU芯片相对于NVIDIA GeForce系列的GPU芯片来说，计算能力稍弱，而且在一些应用程序中的性能表现不如NVIDIA GeForce系列的GPU芯片。

3. Intel Xe系列

优点：Intel Xe系列是英特尔公司推出的新一代GPU芯片，具有强大的计算能力和广泛的应用支持。Intel Xe系列的GPU芯片适用于游戏、图形处理、机器学习和深度学习等领域。

缺点：Intel Xe系列的GPU芯片相对于NVIDIA GeForce系列和AMD Radeon系列的GPU芯片来说，计算能力稍弱，而且目前市场上的产品较少，应用支持相对较少。

4. Apple M系列

优点：Apple M系列是苹果公司推出的新一代GPU芯片，具有强大的计算能力和低功耗特性。Apple M系列的GPU芯片适用于苹果电脑和移动设备等领域。

缺点：Apple M系列的GPU芯片目前只适用于苹果设备，应用支持相对较少，而且相对于其他GPU芯片来说，计算能力稍弱。

综上所述，不同的GPU芯片具有不同的优缺点，选择适合自己需求的GPU芯片需要综合考虑计算能力、应用支持、价格和功耗等因素

2.3 A100芯片特点

NVIDIA A100是NVIDIA公司推出的一款新一代GPU芯片，以下是它的优缺点和价格：

优点：

1. 强大的计算能力：NVIDIA A100采用了新一代的Ampere架构，具有强大的计算能力和高效的能源利用率。它可以在深度学习、机器学习和科学计算等领域中提供卓越的性能。

2. 高速的内存带宽：NVIDIA A100采用了HBM2内存，具有高速的内存带宽和低延迟，可以高效地处理大规模的数据集。

3. 支持多任务并行处理：NVIDIA A100具有多个Tensor Core处理单元，可以同时处理多个任务，提高了计算效率。

缺点：

1. 高昂的价格：NVIDIA A100的价格相对较高，不适合所有用户。

2. 需要高端的硬件支持：NVIDIA A100需要高端的散热器和电源支持，以确保稳定的性能和长期的使用寿命。

价格：

NVIDIA A100的价格因型号和配置而异，一般来说，单个A100 GPU的价格在5000美元到10000美元之间。此外，NVIDIA还提供了一些基于A100芯片的服务器和超级计算机解决方案，价格更高。

总的来说，NVIDIA A100是一款强大的GPU芯片，具有高效的计算能力和内存带宽，适用于深度学习、机器学习和科学计算等领域。但是，它的价格相对较高，需要高端的硬件支持，不适合所有用户。

显存（Graphics Memory）是指GPU（图形处理器）中的内存，用于存储图形和图像数据。显存是GPU中的一种高速缓存，可以快速读取和写入图形和图像数据，以提高图形和图像处理的效率。

A100的显存容量有多种配置可供选择，最大可达到40GB。以下是NVIDIA A100显存容量的几种配置：

40GB HBM2显存：这是NVIDIA A100的最大显存配置，可以提供最高的性能和内存带宽，适用于大规模的深度学习和机器学习任务。

20GB HBM2显存：这是NVIDIA A100的中等显存配置，可以提供较高的性能和内存带宽，适用于中等规模的深度学习和机器学习任务。

10GB HBM2显存：这是NVIDIA A100的最小显存配置，可以提供较低的性能和内存带宽，适用于小规模的深度学习和机器学习任务。

需要注意的是，NVIDIA A100的显存容量不仅影响GPU的性能，还会影响GPU的价格。显存容量越大，GPU的价格也越高。因此，在选择NVIDIA A100时，需要根据具体的应用场景和预算选择适合的显存配置。

3 chatGLM-6B本地部署

上文说过大模型的一个特点就是大规模参数，需要高规模大显存配置，而显存是需要资金的。调用chatGPT不仅需要资金还需要一些其他门槛。

但是现在有很多开发者，对自研的大模型进行开源，更好支持中文，更友好的部署环境。比如ChatGLM-6B。

git：https://github.com/THUDM/ChatGLM-6B

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。

本文就主要介绍ChatGLM-6B 的本地部署，虽然readme已经介绍很详细，本文会提供更保姆级别的教程，可以让完全不懂技术的同学，也能在本地部署大模型～

3.1 环境确认

首先我们要确认自己的机器环境是否能支持chatGLM能在本地跑起来，不然白安装环境。

如果没有 GPU 硬件的话，也可以在 CPU 上进行推理，但是推理速度会更慢。使用方法如下（需要大概 32GB 内存），本文就不介绍CPU部署了～尝试过，很慢。。

如何确认自己PC是否支持GPU呢？

计算机右击–>管理–>设备管理器–>显示适配器

不是所有显卡都能使用CUDA编程。CUDA是NVIDIA公司开发的一种并行计算平台和编程模型，它可以利用GPU的并行计算能力加速计算密集型任务。CUDA编程需要使用NVIDIA的GPU，因此只有搭载NVIDIA GPU的计算机才能使用CUDA编程。

此外，不是所有的NVIDIA GPU都支持CUDA编程。CUDA编程需要使用支持CUDA的NVIDIA GPU，例如GeForce、Quadro、Tesla等系列的GPU。不同的GPU系列和型号支持的CUDA版本和功能也有所不同，需要根据具体的GPU型号和CUDA版本进行选择。

3.2 安裝Cuda和cudnn

cuda和cudnn的安裝很多教程，就不进行详细的介绍，主要就是要注意版本。

安装cuda

https://zhuanlan.zhihu.com/p/99880204

安装cudnn

https://developer.nvidia.com/rdp/cudnn-archive

nvidia-smi查看下cuda的版本

如果nvcc和nvidia-smi显示的版本不一致，可以参考

https://www.jianshu.com/p/eb5335708f2a

3.3 部署模型

3.3.1 clone源码

GitHub：https://github.com/THUDM/ChatGLM-6B

3.3.2 安装包

建议先建立一个conda环境

代码语言：javascript

conda create -n cahtglmb

根据自己机器的配置选择和显卡对应的torch版本

https://pytorch.org/get-started/previous-versions/

安装torch

代码语言：javascript

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia

验证cuda和torch是否可用

代码语言：javascript

import torch
print(torch.__version__)
print(torch.cuda.is_available())

安装其他包，源码中的requments.txt

代码语言：javascript

pip install -r requirements.txt

3.3.3 本地运行

环境配置好后，我们就可以在本地运行chatGLM了，运行以下代码：

代码语言：javascript

# -*- coding: utf-8 -*-
"""
-------------------------------------------------
   Description：  本地调用chatGLM，支持命令行交互
   Author：       zoey
   Date：         2023/6/3 12:05
-------------------------------------------------

"""
import fire
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
# 使用CPU跑模型
# model = AutoModel.from_pretrained("THUDM/chatglm-6b-int4", trust_remote_code=True).float()
# 使用GPU跑4位量化模型
model = AutoModel.from_pretrained("THUDM/chatglm-6b-int4", trust_remote_code=True).half().cuda()
model = model.eval()

def infer():
    while True:
        request = input("你好，我是chatglm-6b >>>  ")
        history = []
        while not request:
            print('Prompt should not be empty!')
            request = input("Model prompt >>> ")
        response, _history = model.chat(tokenizer, request, history=history)
        history = _history
        print('\033[1;31m{}\033[0m'.format(request) + '\033[1;33m{}\033[0m'.format(response))
        
if __name__ == '__main__':
    fire.Fire(infer)

我们可以和chatGLM对话：

运行起来，风扇呼呼的~

如何系统的去学习AI大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的所有 ⚡️ 大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​