前言
在上一章【课程总结】day24（上）：大模型三阶段训练方法(LLaMa Factory)内容中主要了解一个大模型的训练过程，无论是第三方的大模型还是自研的大模型，都需要部署到服务端，提供对应API接口供上层应用使用。所以，本章将主要了解vLLm + langchain的基本使用方法。
大模型应用框架
一般来说，大模型应用的整体结构可以划分为几个层次：
- 模型层：
- 功能：负责处理输入数据并生成输出。
- 代表：BERT、GPT、Qwen2等等
- 推理层：
- 功能：将大模型部署到服务端，暴露API。（行业普遍规范是OpenAI compatible API）
- 代表：vLLM
- API层：
- 功能：将语言模型与其他数据源、API 和服务集成，方便上层应用开发。
- 代表：LangChain
- 应用层：
- 功能：医疗、教育、金融、法律等垂类应用的具体支撑系统
基于以上的层次信息，我们接下来初步了解行业目前普遍使用的：vLLM + LangChain。
vLLM
简介：
vLLM 是一个专为大语言模型（LLMs）设计的高效推理库，旨在优化推理速度和内存使用。它通过动态计算图和先进的内存管理技术，帮助开发者在资源有限的情况下高效地运行大型模型。vLLM 支持多种流行的语言模型，使得用户能够快速切换和比较不同的模型，适用于实时应用场景。
网址：
https://docs.vllm.ai/en/latest/index.html
作用：
- 把大模型部署到服务端，暴露OpenAI compatible API
- 提升性能: 使得大模型在推理时更加快速和高效。
- 降低成本: 减少计算资源需求，降低云计算和硬件成本。
LangChain
简介：
LangChain 是一个开源框架，旨在帮助开发者构建基于语言模型的应用。它通过提供一系列工具和组件，简化了语言模型与其他数据源、API 和服务的集成过程。LangChain 允许用户构建复杂的工作流，增强了语言模型的功能和灵活性，适用于多种应用场景。
网址：https://www.langchain.com/langchain
作用：
- 简化开发: 提供高层次的抽象，降低技术门槛。
- 增强功能: 扩展语言模型的能力，处理更复杂的任务。
部署方法
准备模型
由于上一章中训练的医疗大模型 随着容器的关闭已经被清理，所以本次实践选择了Qwen2-0.5B-Instruct。
git clone https://www.modelscope.cn/qwen/Qwen2-0.5B-Instruct.git
安装vLLM
pip install vllm
安装完毕后，可以通过如下命令查看安装情况
pip show vllm
运行结果：
Name: vllm
Version: 0.5.1
Summary: A high-throughput and memory-efficient inference and serving engine for LLMs
Home-page: https://github.com/vllm-project/vllm
Author: vLLM Team
Author-email:
License: Apache 2.0
Location: /usr/local/lib/python3.10/site-packages
Requires: aiohttp, cmake, fastapi, filelock, lm-format-enforcer, ninja, numpy, nvidia-ml-py, openai, outlines, pillow, prometheus-client, prometheus-fastapi-instrumentator, psutil, py-cpuinfo, pydantic, ray, requests, sentencepiece, tiktoken, tokenizers, torch, torchvision, tqdm, transformers, typing-extensions, uvicorn, vllm-flash-attn, xformers
Required-by:
部署vLLM
python -m vllm.entrypoints.openai.api_server --model Qwen2-0.5B-Instruct --host 0.0.0.0 --port 8000
❗
Qwen2-0.5B-Instruct对应模型的文件夹名字，由于Linux下文件路径大小写敏感，所以此处需要保持大小写一致。
成功部署后显示：
INFO: Started server process [1657]
INFO: Waiting for application startup.
INFO: Application startup complete.
INFO: Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)
我们使用OpenAI compatible API接口测试部署情况：
from openai import OpenAI
# Set OpenAI's API key and API base to use vLLM's API server.
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"
client = OpenAI(
api_key=openai_api_key,
base_url=openai_api_base,
)
chat_response = client.chat.completions.create(
model="Qwen2-0.5B-Instruct",
messages=[
{"role": "system", "content": "你是一个很有用的助手。"},
{"role": "user", "content": "中华人民共和国的首都是哪里？"},
]
)
print("Chat response:", chat_response)
运行结果：
上述的Python代码仅是测试vLLm的部署情况，实际应用中，需要使用
LangChain进行进一步封装。
使用nvidia-smi查看显存，可以看到显存已经被占用19G。
root@dsw-624205-75f5bf5ffb-cm59j:/mnt/workspace# nvidia-smi
Thu Aug 15 17:29:21 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.103.01 Driver Version: 470.103.01 CUDA Version: 12.1 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA A10 On | 00000000:00:07.0 Off | 0 |
| 0% 53C P0 61W / 150W | 19874MiB / 22731MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
安装LangChain
pip install langchain-openai
使用LangChain
# 引入 OpenAI 支持库
from langchain_openai import ChatOpenAI
# 连接信息
base_url = "http://localhost:8000/v1"
api_key = "EMPTY"
model_id = "Qwen2-0.5B-Instruct"
# 连接大模型
llm = ChatOpenAI(
base_url=base_url,
api_key=api_key,
model=model_id
)
# 大模型调用
llm.invoke(input= "你是谁？")
运行结果：
AIMessage(content='我是来自阿里云的大规模语言模型，我叫通义千问。',
additional_kwargs={
'refusal': None}, response_metadata={'token_usage':
{'completion_tokens': 17, 'prompt_tokens': 22, 'total_tokens': 39},
'model_name': 'Qwen2-0.5B-Instruct',
'system_fingerprint': None,
'finish_reason': 'stop',
'logprobs': None},
id='run-ca1584a6-0ff5-4d49-bfb2-ad932231e762-0',
usage_metadata={'input_tokens': 22, 'output_tokens': 17, 'total_tokens': 39})
返回信息
如果使用result = llm.invoke(input= "你是谁？")，然后查看result信息，可以查看更多信息。
- result.content
'我是来自阿里云的大规模语言模型，我叫通义千问。'
- result.response_metadata
{'token_usage': {'completion_tokens': 17,
'prompt_tokens': 22,
'total_tokens': 39},
'model_name': 'Qwen2-0.5B-Instruct',
'system_fingerprint': None,
'finish_reason': 'stop',
'logprobs': None}
说明：
completion_tokens: 生成的文本中使用的令牌数。在这个例子中，生成的文本包含17个令牌（token）。prompt_tokens: 输入提示中使用的令牌数。在这个例子中，输入的提示包含22个令牌。total_tokens: 总令牌数，即completion_tokens和prompt_tokens的总和。在这个例子中，总令牌数为 39。finish_reason: 表示生成文本的结束原因。在这个例子中，finish_reason的值为stop，意味着文本生成在达到预定条件后正常结束。logprobs: 该字段通常用于提供生成过程中每个令牌的对数概率。在这个例子中，它的值为 None，表示没有提供这些信息。
补充内容
模型类型
模型常规情况下有两种类型：Base类型 和 Chat类型。
Qwen2-0.5B: 代表Qwen2-0.5B的Base类型模型。Qwen2-0.5B-Instruct: 代表Qwen2-0.5B的Chat类型模型。
调用方式
由于模型的类型不同，那么在LangChain中调用方式也不同。
from langchain_openai import OpenAI
base_url = "http://localhost:8000/v1"
api_key = "EMPTY"
model_id = "Qwen2-0.5B-Instruct"
# Base方式调用了一个Chat类型模型
model = OpenAI(base_url=base_url, api_key=api_key, model=model_id)
print(model.invoke(input="你是谁"))
运行结果：
可以看到：
- 同样的模型，同样的问题，调用方式的不同，调用的结果却千差万别。
- 第一种使用
from langchain_openai import ChatOpenAI，即Chat方式调用一个Instruct类型模型，结果是正常的。 - 第二种使用
from langchain_openai import OpenAI，即Base方式调用一个Instruct类型模型，结果是有问题的。 - Chat方式返回的信息是一个AIMessage，而Base方式返回的是一个字符串。
内容小结
vLLM是一个专为大语言模型（LLMs）设计的高效推理库，旨在优化推理速度和内存使用。LangChain是一个开源框架，旨在帮助开发者构建基于语言模型的应用。vLLM和LangChain都可以使用pip install安装。- 模型有嵌入类型和常规类型；常规类型下有
Base类型和Chat类型两种类型。 - 不同类型的模型调用方式不同，如果模型类型与调用方式没有对应，可能会出现结果异常。
1206
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
