Qwen2：通义千问倾力巨献，领航语言新纪元

一、介绍

Qwen2 是由阿里云通义千问团队研发的新一代大型语言模型系列，它在多个方面实现了技术的飞跃和性能的显著提升。以下是对 Qwen2 的详细介绍：

GitHub - QwenLM/Qwen2: Qwen2 is the large language model series developed by Qwen team, Alibaba Cloud.

（1）模型概述

• 名称 ：Qwen2
• 研发团队 ：阿里云通义千问团队
• 类型 ：大型语言模型
• 特点 ：多版本、多规模，满足不同计算需求；全面支持 PAI 平台；整体性能代际飞跃

（2）模型版本与规模

Qwen2 系列提供了多个不同规模的模型，以满足不同场景和计算资源的需求。具体包括：

• Qwen2-0.5B
• Qwen2-1.5B
• Qwen2-7B:Qwen2-7B-Instruct · 模型库 (modelscope.cn)
• Qwen2-57B-A14B（混合专家模型，MoE）
• Qwen2-72B

这些模型在参数数量上从数亿到数百亿不等，为用户提供了丰富的选择。

（3）技术特点与优势

• 性能提升 ：相比前代模型 Qwen1.5，Qwen2 在代码、数学、推理、指令遵循、多语言理解等多个方面实现了性能的显著提升。
• 多语言支持 ：在原有的中文和英文基础上，Qwen2 新增了 27 种语言的高质量数据，使得模型在多语言处理上更加出色。
• 超长上下文处理 ：特别是 Qwen2-72B-Instruct 模型，支持处理长达 128K tokens 的上下文，这在大型文档理解和复杂对话处理中尤为重要。
• GQA 机制 ：所有尺寸的 Qwen2 模型都使用了 GQA（分组查询注意力）机制，以降低计算复杂度、提高计算效率，并带来推理加速和显存占用降低的优势。
• 技术架构 ：Qwen2 采用了 Transformer 架构，并引入了 SwiGLU 激活函数、QKV bias、Mixture of SWA and Full Attention 等技术改进点，以提升模型的性能。

（4）应用场景

Qwen2 系列模型可以广泛应用于自然语言处理的多个领域，包括但不限于：

• 文本生成：如文章创作、摘要生成等。
• 问答系统：回答用户提出的各种问题。
• 对话系统：构建智能聊天机器人，与用户进行自然流畅的对话。
• 代码理解与编写：辅助程序员编写代码、理解代码逻辑等。
• 数学推理与问题解决：在数学、物理等领域提供解题思路和答案。

二、容器构建

（1）安装 miniconda

进入 Anaconda 官网：

Miniconda — Anaconda 文档

找到快速命令行安装，选择 Linux 系统，复制代码进入终端中进行安装。

等待安装完成。

（2） 安装并更新基础命令，供后续使用更快捷： lsof、git、git-lfs

apt-get update
apt-get install -y lsof
apt-get install -y git
apt-get install -y git-lfs

（3）项目配置

网页交互可以使用 Text-Generation-WebUI，具体参考 WebUI 部署文档，将用于配置本项目Qwen2-7B-Instruct

最简单的运行 TGW（Text Generation WebUI）的方法是使用 repo 中提供的 Shell 脚本。

1. 首先，克隆 repo 并进去文件夹中：

git-lfs clone https://github.com/oobabooga/text-generation-webui
cd text-generation-webui

你可以根据你的操作系统直接运行相应的脚本，例如在 Linux 系统上运行start_linux.sh,在 Windows 系统上运行start_windows.bat，在 MacOS 系统上运行start_macos.sh，或者在 Windows 子系统 Linux（WSL）上运行start_wsl.bat。另外，你也可以选择手动在 conda 环境中安装所需的依赖项。这里以 linux系统为例进行实践操作。

2. 创建并激活虚拟环境，安装相应的torch（建议清华镜像源）

为了安装速度更快可以将 pip 进行永久换源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

conda create -n Qwen2 python=3.11
conda activate Qwen2
pip install torch torchvision torchaudio

接下来，您可以根据您的操作系统执行 pip install -r命令来安装相应的依赖项

pip install -r requirements_apple_silicon.txt

3. 在完成所需包的安装之后，需要准备模型Qwen2-7B-Instruct，将模型文件或目录放在./models文件夹中

cd models
# 大文件clone不下来就手动上传进行覆盖
git-lfs clone https://www.modelscope.cn/qwen/Qwen2-7B-Instruct.git

等待下载完成

您应按照以下方式将 Qwen2-7B-Instruct 的 transformers 模型目录放置到相应位置。

text-generation-webui
├── models
│   ├── Qwen2-7B-Instruct
│   │   ├── config.json
│   │   ├── generation_config.json
│   │   ├── model-00001-of-00004.safetensor
│   │   ├── model-00002-of-00004.safetensor
│   │   ├── model-00003-of-00004.safetensor
│   │   ├── model-00004-of-00004.safetensor
│   │   ├── model.safetensor.index.json
│   │   ├── merges.txt
│   │   ├── tokenizer_config.json
│   │   └── vocab.json

4. 返回text-generation-webui目录，指定端口，运行 server.py 文件

cd /text-generation-webui
python server.py --model Qwen2-7B-Instruct --listen --listen-port 8080

使用RTX3060+12g显卡出现显存不够情况

使用RTX3090+24g显卡，运行出现以下界面代表成功运行

三、网页展示

运行成功后获取访问链接，进入 webUI 界面后即可操作：