LangChain_ChatGLM部署

Acecai01

已于 2023-06-30 15:23:16 修改

阅读量2.9k

点赞数

分类专栏：算法平台文章标签： LangChain ChatGLM

于 2023-06-29 17:53:23 首次发布

本文链接：https://blog.csdn.net/acecai01/article/details/131221676

版权

算法平台专栏收录该内容

7 篇文章 2 订阅

订阅专栏

该文详细描述了如何准备环境，包括下载大型语言模型ChatGLM，检查CUDA版本，创建Python环境，安装所需模块。接着，文章说明了FastChat的部署过程，包括启动服务、处理错误信息以及配置WebUI和VUE前端。在过程中遇到了模型下载问题、配置冲突和模型不兼容等挑战，最终成功运行并展示了页面效果。

摘要由CSDN通过智能技术生成

环境准备

项目地址：https://github.com/imClumsyPanda/langchain-ChatGLM
下载chatglm-6b模型到本地，大约13G：
https://huggingface.co/THUDM/chatglm-6b
里面的文件需要一个个手动点击下载，点击下载时，可能需要多次点击才有响应，下载中断也需要重新多次点击：
在这里插入图片描述

查看服务器cuda版本：

(base) ml@amax:~/anaconda3/envs/python311/bin$ nvidia-smi
Thu Jun 15 09:54:08 2023       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.57.02    Driver Version: 470.57.02    CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+

安装python，官方测试了python3.8~3.10，于是我安装了Python 3.9.16：

conda create --name langchain_chatglm python=3.9

下载langchain_chatglm代码：

git clone https://github.com/imClumsyPanda/langchain-ChatGLM.git

切换到刚安装python环境，安装langchain_chatglm所依赖的模块：

cd langchain-ChatGLM-master
pip install -r requirements.txt

FastChat部署大模型服务

下载FastChat代码：

git clone https://github.com/lm-sys/FastChat.git

切换到FastChat目录，执行下列操作安装fschat模块：

cd FastChat
pip3 install --upgrade pip
pip3 install -e .

在任意路径下开启三个终端界面，分别执行执行：

终端1：python3 -m fastchat.serve.controller
终端2：CUDA_VISIBLE_DEVICES=0 python3 -m fastchat.serve.model_worker --model-name 'chatglm-6b' --model-path /data/nlp/wen/llm_experiment/chatglm-6b-v1-1
终端3：python3 -m fastchat.serve.openai_api_server --host 0.0.0.0 --port 8001

如上命令执行出现以下类似错误的信息，可以不用管，只要进程不退出即可：

2023-06-15 13:49:11 | ERROR | stderr | INFO:     Started server process [1385464]
2023-06-15 13:49:11 | ERROR | stderr | INFO:     Waiting for application startup.
2023-06-15 13:49:11 | ERROR | stderr | INFO:     Application startup complete.
2023-06-15 13:49:11 | ERROR | stderr | INFO:     Uvicorn running on http://localhost:21001 (Press CTRL+C to quit)

交互方式1-Web_UI

新开第4个终端窗口，切换到langchain-ChatGLM-master目录，修改配置代码：

cd ./langchain-ChatGLM-master/configs/

修改配置文件model_config.py中字典llm_model_dict内"fastchat-chatglm-6b"的值，如下：

    "fastchat-chatglm-6b": {
        "name": "chatglm-6b",  # "name"修改为fastchat服务中的"model_name"
        "pretrained_model_name": "chatglm-6b",
        "local_model_path": None,
        "provides": "FastChatOpenAILLM",  # 使用fastchat api`在这里插入代码片`时，需保证"provides"为"FastChatOpenAILLM"
        "api_base_url": "http://localhost:8001/v1"  # "name"修改为fastchat服务中的"api_base_url"
    }

同上修改文件model_config.py中的：

# LLM 名称
LLM_MODEL = "fastchat-chatglm-6b"

运行对话界面：

cd ./langchain-ChatGLM-master/
mkdir vector_store   # 创建存放知识文档的目录，名字必须是这个，否则要针对性改其他代码
python3 webui.py

报错：

requests.exceptions.ConnectionError: ('Connection aborted.', ConnectionResetError(104, 'Connection reset by peer'))

经定位，是词向量模型未能从Hugging Face网站上下载到的问题，于是从配置文件找到所使用的模型名，找到模型所在网址：
https://www.huggingface.co/GanymedeNil/text2vec-large-chinese
下载到词向量生成模型，传到服务器，然后修改配置文件model_config.py，将词向量模型路径改成服务器本地的词向量模型路径：
在这里插入图片描述

之后运行webui.py代码还是出错，说无法找到本地语言模型路径，这个很奇怪，我配置的fastchat已经启用了大语言模型，怎么还会去加载本地语言模型，最后发现同一台服务器因另一个成员也在运行langchain_chatglm，他跑的config文件已经常驻内存中，导致我配置的config文件无法生效！！后面我干脆修改我自己的配置文件目录名，确保导入的配置文件是我自己的，最终跑通了整个流程。

访问到的页面效果：
在这里插入图片描述