在AutoDL平台部署ChatGLM3-6B Code Interpreter

在AutoDL平台部署ChatGLM3-6B Code Interpreter

作者：Datawhale 不要葱姜蒜
项目地址：https://github.com/KMnO4-zx/self_llm.git
如果大家有其他模型想要部署教程，可以来仓库提交issue哦~ 也可以自己提交PR！

请注意，本项目需要 Python 3.10 或更高版本。

环境准备

由于项目需要python 3.10或更高版本，所以我们在在autodl平台中租一个3090等24G显存的显卡机器，如下图所示镜像选择Miniconda–>conda3–>3.10(ubuntu20.04)–>11.8。

接下来打开刚刚租用服务器的JupyterLab，并且打开其中的终端开始环境配置、模型下载和运行demo。

pip换源和安装依赖包

# 更换 pypi 源加速库的安装
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install modelscope==1.9.5
pip install transformers==4.35.2

pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu117

模型下载

使用 modelscope 中的snapshot_download函数下载模型，第一个参数为模型名称，参数cache_dir为模型的下载路径。

在 /root/autodl-tmp 路径下新建 download.py 文件并在其中输入以下内容，粘贴代码后记得保存文件，如下图所示。并运行 python /root/autodl-tmp/download.py执行下载，模型大小为 14 GB，下载模型大概需要 10~20 分钟

import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir = snapshot_download('ZhipuAI/chatglm3-6b', cache_dir='/root/autodl-tmp', revision='master')

代码准备

首先clone代码，打开autodl平台自带的学术镜像加速。学术镜像加速详细使用请看：https://www.autodl.com/docs/network_turbo/

source /etc/network_turbo

然后切换路径, clone代码.

cd /root/autodl-tmp
git clone https://github.com/THUDM/ChatGLM3.git

切换commit版本，与教程commit版本保持一致，可以让大家更好的复现。

cd ChatGLM3
git checkout f823b4a3be9666b9b2a9daa43b29659e876a040d

最后取消镜像加速，因为该加速可能对正常网络造成一定影响，避免对后续下载其他模型造成困扰。

unset http_proxy && unset https_proxy

然后切换路径到composite_demo目录，并安装相关依赖

cd /root/autodl-tmp/ChatGLM3/composite_demo
pip install -r requirements.txt

demo 运行

在终端运行以下代码，导入模型路径和Jupyter内核：

export MODEL_PATH=/root/autodl-tmp/ZhipuAI/chatglm3-6b
export IPYKERNEL=python3

然后运行以下代码，运行demo：

streamlit run /root/autodl-tmp/ChatGLM3/composite_demo/main.py --server.address 127.0.0.1 --server.port 6006

如下图所示，可以愉快的玩耍代码解释器了~