书生浦语实战营第二期之大模型趣味Demo

1. 趣味 Demo 任务列表

1. 部署 InternLM2-Chat-1.8B 模型进行智能对话
2. 部署实战营优秀作品 八戒-Chat-1.8B 模型
3. 通过 InternLM2-Chat-7B 运行 Lagent 智能体 Demo
4. 实践部署 浦语·灵笔2 模型

2. 部署 InternLM2-Chat-1.8B 模型进行智能对话

2.1 配置基础环境

首先需要选择镜像，使用 Cuda11.7-conda 镜像
然后创建环境：

studio-conda -o internlm-base -t demo

2.1.1 环境包安装

首先先激活环境
conda activate demo

下载第三方库，如下

pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

2.2 下载 InternLM2-Chat-1.8B 模型

step1: mkdir -p /root/demo
step2: touch /root/demo/cli_demo.py
step3: touch /root/demo/download_mini.py
step4: cd /root/demo

将/root/demo/download_mini.py 文件使用下面的官方模板：

import os
from modelscope.hub.snapshot_download import snapshot_download

# 创建保存模型目录
os.system("mkdir /root/models")

# save_dir是模型保存到本地的目录
save_dir="/root/models"

snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", 
                  cache_dir=save_dir, 
                  revision='v1.1.0')

执行命令，下载模型参数文件：

python /root/demo/download_mini.py

下面是效果展示：

2.3 运行 cli_demo

将 /root/demo/cli_demo.py 文件使用下面的官方模板：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name_or_path = "/root/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)

输入命令，执行 Demo 程序：

step1: conda activate demo
step2: python /root/demo/cli_demo.py

效果展示：

3 实战：部署实战营优秀作品 八戒-Chat-1.8B 模型

3.1 开源的优秀的实战营项目

其他优秀的实战营项目，具体模型链接如下：

八戒-Chat-1.8B：https://www.modelscope.cn/models/JimmyMa99/BaJie-Chat-mini/summary
Chat-嬛嬛-1.8B：https://openxlab.org.cn/models/detail/BYCJS/huanhuan-chat-internlm2-1_8b
Mini-Horo-巧耳：https://openxlab.org.cn/models/detail/SaaRaaS/Horowag_Mini

3.2 配置基础环境

step1: conda activate demo

使用 git 命令来获得仓库内的 Demo 文件：
step2: cd /root/
step3: git clone https://gitee.com/InternLM/Tutorial -b camp2
step4: cd /root/Tutorial

3.3 下载运行 Chat-八戒 Demo

在 Web IDE 中执行 bajie_download.py：

python /root/Tutorial/helloworld/bajie_download.py

结果如图所示：

待程序下载完成后，输入运行命令：

streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006

待程序运行的同时，对端口环境配置本地 PowerShell 。

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

最终效果展示：

4 实战：使用 Lagent 运行 InternLM2-Chat-7B 模型

4.1 初步介绍 Lagent 相关知识

Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。它的整个框架图如下:

4.2 配置基础环境

打开 Intern Studio 界面，调节配置（必须在开发机关闭的条件下进行）：

alt text

重新开启开发机，输入命令，开启 conda 环境：

conda activate demo
打开文件子路径

cd /root/demo
使用 git 命令下载 Lagent 相关的代码库：

git clone https://gitee.com/internlm/lagent.git
git clone https://github.com/internlm/lagent.git
cd /root/demo/lagent
git checkout 581d9fb8987a5d9b72bb9ebd37a95efd47d479ac
pip install -e . # 源码安装

运行效果如图：

4.3 使用 Lagent 运行 InternLM2-Chat-7B 模型为内核的智能体

step1: cd /root/demo/lagent

step2: ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b

打开 lagent 路径下 examples/internlm2_agent_web_demo_hf.py 文件，并修改对应位置 (71行左右) 代码：

输入运行命令 - 点开 6006 链接后，大约需要 5 分钟完成模型加载：

streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006

然后配置本地端口转发。

最终效果如图：

5 实战：实践部署 浦语·灵笔2 模型（开启 50% A100 权限后才可开启此章节）

5.1 初步介绍 XComposer2 相关知识

浦语·灵笔2 是基于 书生·浦语2 大语言模型研发的突破性的图文多模态大模型，具有非凡的图文写作和图像理解能力，在多种应用场景表现出色，总结起来其具有：

1. 自由指令输入的图文写作能力： 浦语·灵笔2 可以理解自由形式的图文指令输入，包括大纲、文章细节要求、参考图片等，为用户打造图文并貌的专属文章。生成的文章文采斐然，图文相得益彰，提供沉浸式的阅读体验。
2. 准确的图文问题解答能力：浦语·灵笔2 具有海量图文知识，可以准确的回复各种图文问答难题，在识别、感知、细节描述、视觉推理等能力上表现惊人。
3. 杰出的综合能力： 浦语·灵笔2-7B 基于 书生·浦语2-7B 模型，在13项多模态评测中大幅领先同量级多模态模型，在其中6项评测中超过 GPT-4V 和 Gemini Pro。
   alt text

5.2 配置基础环境（开启 50% A100 权限后才可开启此章节）

conda activate demo
# 补充环境包
pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5

下载 InternLM-XComposer 仓库 相关的代码资源：

cd /root/demo
git clone https://gitee.com/internlm/InternLM-XComposer.git
git clone https://github.com/internlm/InternLM-XComposer.git
cd /root/demo/InternLM-XComposer
git checkout f31220eddca2cf6246ee2ddf8e375a40457ff626

在 terminal 中输入指令，构造软链接快捷访问方式：

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-7b /root/models/internlm-xcomposer2-7b
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-7b /root/models/internlm-xcomposer2-vl-7b

5.3 图文写作实战

继续输入指令，用于启动 InternLM-XComposer：

step1: cd /root/demo/InternLM-XComposer
step2: python /root/demo/InternLM-XComposer/examples/gradio_demo_composition.py  \
		--code_path /root/models/internlm-xcomposer2-7b \
		--private \
		--num_gpus 1 \
		--port 6006

打开 http://127.0.0.1:6006 实践效果如下图所示：

5.4 图片理解实战

启动 InternLM-XComposer2-vl：

conda activate demo

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_chat.py  \
--code_path /root/models/internlm-xcomposer2-vl-7b \
--private \
--num_gpus 1 \
--port 6006

实践效果如下图所示：