【大模型】L1.2书生大模型 Demo

参考课程文档完成学习。

1. 环境配置

首先需要完成环境的配置。
通过下面的命令配置基本的python库

# 创建环境
conda create -n demo python=3.10 -y
# 激活环境
conda activate demo
# 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

2. 部署 InternLM2-Chat-1.8B 模型

配置完成之后，跑一个demo来验证是否完成。注意一定得是之前安装的demo环境。

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


model_name_or_path = "/root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
model = model.eval()

system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""

messages = [(system_prompt, '')]

print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")

while True:
    input_text = input("\nUser  >>> ")
    input_text = input_text.replace(' ', '')
    if input_text == "exit":
        break

    length = 0
    for response, _ in model.stream_chat(tokenizer, input_text, messages):
        if response is not None:
            print(response[length:], flush=True, end="")
            length = len(response)

我在本地的vscode中试图运行（注意一定是在刚刚创建的demo环境中），问了一些基本的问题，回答情况如下。

3. Streamlit Web Demo 部署 InternLM2-Chat-1.8B 模型

下面使用 Streamlit 部署 InternLM2-Chat-1.8B 模型。
这些项目都是简要介绍如何调用这些大语言模型，让其作为我们之后能够调用的一个工具。
streamlit应该就是这样一个工具，不知道之后会不会进行进一步介绍。

首先把教程仓库clone到本地。

cd /root/demo
git clone https://github.com/InternLM/Tutorial.git

执行如下代码来启动一个 Streamlit 服务

cd /root/demo
streamlit run /root/demo/Tutorial/tools/streamlit_demo.py --server.address 127.0.0.1 --server.port 6006

这样在云端就建立了，下面需要将端口映射到本地，在本地powershell中运行如下命令：

ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 你的 ssh 端口号

在完成端口映射后，我们便可以通过浏览器访问 http://localhost:6006 来启动我们的 Demo。（注意这个powershell窗口不要关闭，一会还要用）
简单地问了几个问题。

4. LMDeploy 部署 InternLM-XComposer2-VL-1.8B 模型

课程伤关于LMDeploy与InternLM-XComposer的介绍如下

InternLM-XComposer2 是一款基于 InternLM2 的视觉语言大模型，其擅长自由形式的文本图像合成和理解。

LMDeploy 是一个用于压缩、部署和服务 LLM 的工具包，由 MMRazor 和 MMDeploy 团队开发。

首先，在开发机中激活并安装 LMDeploy 以及其他依赖。

conda activate demo
pip install lmdeploy[all]==0.5.1
pip install timm==1.0.7

接下来，使用 LMDeploy 启动一个与 InternLM-XComposer2-VL-1.8B 模型交互的 Gradio 服务。

lmdeploy serve gradio /share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-1_8b --cache-max-entry-count 0.1

在使用 Upload Image 上传图片后，我们输入 Instruction 后按下回车，便可以看到模型的输出。（同样需要端口映射，保持原来的端口映射不变）

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。

通过以下命令来启动gradio服务：

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

通过浏览器访问 http://localhost:6006
同样的实验操作。

尚存的疑惑

1. streamlit是什么工具，其工作原理是什么，如何使用，是否有必要了解
2. gradio是什么工具，如何使用，是否有必要了解?