书生第三期实战营L1-8G 显存玩转书生大模型 Demo

任务：

1. InternLM2-Chat-1.8B 模型的部署（基础任务）
2. InternLM-XComposer2-VL-1.8B 模型的部署（进阶任务）
3. InternVL2-2B 模型的部署（进阶任务）

任务详情参见 8G 显存玩转书生大模型 Demo 任务。

基础任务： 模型的部署

要求

        使用 Cli Demo 完成 InternLM2-Chat-1.8B 模型的部署，并生成 300 字小故事

步骤

步骤1：创建python==3.10虚拟环境

步骤2：创建cli_demo.py文件，并启动demo

# # 启动虚拟环境
conda activate your_env_name
# # 安装所需依赖
# 安装 torch
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.38
pip install sentencepiece==0.1.99
pip install einops==0.8.0
pip install protobuf==5.27.2
pip install accelerate==0.33.0
pip install streamlit==1.37.0
# 运行demo
python cli_demo.py

报错，使用虚拟环境 /root/share/pre_envs/icamp3_demo 

进行对话

Streamlit Web Demo 部署 InternLM2-Chat-1.8B 模型 

启动一个 Streamlit 服务，使用VSCode，VScode提供了自动端口映射的功能，不需要手动配置。

 

 

进阶任务一：LMDeploy 部署 InternLM-XComposer2-VL-1.8B 模型 

要求

        使用 LMDeploy 完成 InternLM-XComposer2-VL-1.8B 的部署，并完成一次图文理解对话

步骤

步骤1： 使用 LMDeploy 启动一个与 InternLM-XComposer2-VL-1.8B 模型交互的 Gradio 服务。

conda activate /root/share/pre_envs/icamp3_demo
lmdeploy serve gradio /share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-1_8b --cache-max-entry-count 0.1

步骤2：打开网址，上传图片，进行问答

 进阶任务二：LMDeploy 部署 InternVL2-2B 模型

        InternVL2 是上海人工智能实验室推出的新一代视觉-语言多模态大模型，是首个综合性能媲美国际闭源商业模型的开源多模态大模型。InternVL2 系列从千亿大模型到端侧小模型全覆盖，通专融合，支持多种模态。

要求

        使用 LMDeploy 完成 InternVL2-2B 的部署，并完成一次图文理解对话

步骤

步骤1：启动 InternVL2-2B 模型的 Gradio 服务。

lmdeploy serve gradio /share/new_models/OpenGVLab/InternVL2-2B --cache-max-entry-count 0.1

步骤2：上传图片，进行问答