如何在本地部署运行ChatGLM-6B

在本篇技术博客中，将展示如何在本地获取运行代码和模型，并配置环境以及 Web GUI，最后通过 Gradio 的网页版 Demo 进行聊天。

官方介绍

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，更多信息请参考我们的博客。

为了方便下游开发者针对自己的应用场景定制模型，我们同时实现了基于 P-Tuning v2 的高效参数微调方法 (使用指南) ，INT4 量化级别下最低只需 7GB 显存即可启动微调。

不过，由于 ChatGLM-6B 的规模较小，目前已知其具有相当多的局限性，如事实性/数学逻辑错误，可能生成有害/有偏见内容，较弱的上下文能力，自我认知混乱，以及对英文指示生成与中文指示完全矛盾的内容。请大家在使用前了解这些问题，以免产生误解。更大的基于 1300 亿参数 GLM-130B 的 ChatGLM 正在内测开发中。

获取运行代码

首先，您需要从 GitHub 仓库下载 ChatGLM-6B 的代码。您可以使用以下链接进行下载：GitHub - THUDM/ChatGLM-6B: ChatGLM-6B: An Open Bilingual Dialogue Language Model | 开源双语对话语言模型。

将仓库下载到本地任意位置（例如 D:/codehub/ChatGLM-6B）。

获取模型

接下来，您需要从 Hugging Face 下载 ChatGLM-6B 模型。您可以使用以下链接进行下载：

• chatglm-6b：THUDM/chatglm-6b · Hugging Face
• chatglm-6b-int8：THUDM/chatglm-6b-int8 · Hugging Face
• chatglm-6b-int4：THUDM/chatglm-6b-int4 · Hugging Face

将模型下载到本地任意位置（例如 D:/codehub/models）。

硬件需求

量化等级	最低 GPU 显存 （推理）	最低 GPU 显存 （高效参数微调）
FP16（无量化）	13 GB	14 GB
INT8	8 GB	9 GB
INT4	6 GB	7 GB

环境配置

在开始使用 ChatGLM-6B 进行聊天之前，您需要进行环境配置。下面是必要的步骤：

• 安装 Python3。
• 安装 ChatGLM-6B 运行所需要的 Python 组件依赖。在命令行中进入 ChatGLM-6B 文件夹（例如 cd D:/codehub/ChatGLM-6B），并运行以下命令：

pip install -r requirements.txt

• 安装 GPU 版本的 PyTorch。由于通过 requirements.txt 中的 PyTorch 默认下载的是 CPU 版本，如果您想使用 GPU 运行模型，您需要先卸载并安装 GPU 版本的 PyTorch。您可以从 PyTorch 官网（PyTorch）下载本地环境对应的 PyTorch。

例如，在 Windows 10 上安装 CUDA 版本为 11.8 的 PyTorch，可以运行以下命令：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

• 安装 NVIDIA CUDA 工具包。您可以从 CUDA 官方下载地址（CUDA Toolkit Archive | NVIDIA Developer）下载本地环境对应的CUDA版本。请注意确保选择和 PyTorch 对应的 CUDA 版本，否则 PyTorch 将无法正常运行。

配置 WebUI 并运行

最后，我们需要配置 WebUI 并运行 Gradio 的网页版 Demo。请按照以下步骤操作：

• 安装 Gradio 依赖。在命令行中输入以下命令：

pip install gradio

• 指定本地的模型文件夹路径

编辑 ChatGLM-6B 仓库中的 web_demo.py 文件，并将以下代码中的 "THUDM/chatglm-6b" 修改为本地模型所在文件夹的路径（例如：这里使用chatglm-6b-int4量化模型，路径则填D:\\codehub\models\chatglm-6b-int4）

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True) 
model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()

如果不进行修改，程序会自动从 Hugging Face 下载模型并加载到 C 盘。

• 运行 WebUI。在命令行中进入 ChatGLM-6B 文件夹，并运行以下命令：

python web_demo.py

至此，您已经成功配置了环境，并准备好使用 ChatGLM-6B 进行聊天了！