轻松玩转书生·浦语大模型趣味 Demo实战教程

_小可爱

已于 2024-03-05 16:09:52 修改

阅读量1k

点赞数 17

分类专栏：书生浦语大模型实战营文章标签： python 深度学习自然语言处理 nlp 语言模型

于 2024-03-05 16:04:19 首次发布

本文链接：https://blog.csdn.net/m0_51156601/article/details/136464036

版权

书生浦语大模型实战营专栏收录该内容

2 篇文章 0 订阅

订阅专栏

大模型是什么？

大模型通常指的是机器学习或人工智能领域中参数数量巨大、拥有庞大计算能力和参数规模的模型。这些模型利用大量数据进行训练，并且拥有数十亿甚至数千亿个参数。大模型的出现和发展得益于增长的数据量、计算能力的提升以及算法优化等因素。这些模型在各种任务中展现出惊人的性能，比如自然语言处理、计算机视觉、语音识别等。这种模型通常采用深度神经网络结构，如 Transformer、BERT、GPT（ Generative Pre-trained Transformer ）等。

大模型的优势在于其能够捕捉和理解数据中更为复杂、抽象的特征和关系。通过大规模参数的学习，它们可以提高在各种任务上的泛化能力，并在未经过大量特定领域数据训练的情况下实现较好的表现。然而，大模型也面临着一些挑战，比如巨大的计算资源需求、高昂的训练成本、对大规模数据的依赖以及模型的可解释性等问题。因此，大模型的应用和发展也需要在性能、成本和道德等多个方面进行权衡和考量。

环境平台使用

本文将使用 InternStudio 中的 A100(1/4) 机器和 InternLM-Chat-7B 模型部署一个智能对话 Demo。
在这里插入图片描述
首先需要选择Cuda-11.7+conda的镜像环境，然后选择A100(1/4)就够了。

InternLM-Chat-7B智能对话demo

安装环境

首先需要添加自己的公钥到InternLM的算力平台上，一般来说公钥的位置在路径：C:\user\.ssh\id_rsa.pub，复制粘贴到算力平台上才能够使用SSH进行连接。
在这里插入图片描述
然后直接复制SSH命令到Windows的powershell上就可以登录上开发机，输入nvidia-smi查看显卡算力配置：

或者直接InternLM算力平台的WebIDE（直接在算力平台点击进入开发机）进行开发，下面都是在WebIDE上的JupyterLab上进行开发。

首先进入JupyterLab完成基本的环境配置（conda + pytorch + cuda）。

cd /root/share
bash
bash install_conda_env_internlm_base.sh internlm-demo

在这里插入图片描述
然后我们需要激活我们刚刚安装的conda环境：conda activate internlm-demo

接着，将conda环境的pip管理工具包升级并且下载一些必要的依赖库:

# 升级pip
python -m pip install --upgrade pip

pip install modelscope==1.9.5
pip install transformers==4.35.2
pip install streamlit==1.24.0
pip install sentencepiece==0.1.99
pip install accelerate==0.24.1

模型下载

因为算力平台上已经下载好了对应的模型，所以直接复制粘贴就行。

mkdir -p /root/model/Shanghai_AI_Laboratory
cp -r /root/share/temp/model_repos/internlm-chat-7b /root/model/Shanghai_AI_Laboratory

代码准备

首先在主用户文件夹root下面创建一个code文件夹，把需要的代码clone下来。

mkdir code && cd code
git clone https://gitee.com/internlm/InternLM.git

拉取代码后还需要修改一下仓库的版本（官方说是这样复现的概率更高）

cd InternLM
git checkout 3028f07cb79e5b1d7342f4ad8d11efad3fd13d17

在这里插入图片描述
因为web_demo.py里面的模型加载方式默认使用的是远程的仓库下载，所以我们如果想要使用本地的模型加载，就需要修改其中的load_model函数，具体做法就是将仓库的路径改为本地的模型路径/root/model/Shanghai_AI_Laboratory/internlm-chat-7b：
在这里插入图片描述

终端运行模型

为了更加快速的体验模型的chat功能，可以方便快速写一个cli_demo.py，下面是代码内容：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


model_name_or_path = "/root/model/Shanghai_AI_Laboratory/internlm-chat-7b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='auto')
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("User  >>> ")
    input_text = input_text.replace(' ', '')
    if input_text == "exit":
        break
    response, history = model.chat(tokenizer, input_text, history=messages)
    messages.append((input_text, response))
    print(f"robot >>> {response}")

然后执行命令运行这个脚本启动cli-demo（大概会使用14GB的显存）：

python cli_demo.py

在这里插入图片描述

运行Web-demo

为了方便本地使用和安全性（服务器没有公开端口，只有SSH的），可以使用SSH的开放端口转发来进行访问。首先需要做的工作就是之前提到的添加公钥到InternLM的算力平台上，然后就可以使用SSH连接服务器。

查看SSH连接命令的端口号：
在这里插入图片描述
在本地的SSH工具运行命令：

ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 37809

然后我们到服务器上切换到vscode界面，然后启动模型的web_demo：

bash
conda activate internlm-demo  # 首次进入 vscode 会默认是 base 环境，所以首先切换环境
cd /root/code/InternLM
streamlit run web_demo.py --server.address 127.0.0.1 --server.port 6006

在这里插入图片描述
这样子的配置完之后，我们本地的6006端口的请求会通过ssh的方式转发到服务器上。所以直接打开浏览器http://127.0.0.1:6006/，就可以看到项目的可视化聊天界面。
英文测试：

中文测试：

Lagent智能体工具调用demo

环境准备

继续使用上面的配置好的环境就可以了，所以接下来的工作就是安装Lagent，首先切换到路径/root/code并且克隆lagent仓库并且进行源码安装。

cd /root/code
git clone https://gitee.com/internlm/lagent.git
cd /root/code/lagent
git checkout 511b03889010c4811b1701abb153e02b8e94fb5e # 尽量保证和教程commit版本一致
pip install -e . # 源码安装

修改demo代码

由于官方直接给的代码很多bug，比如缺少Serper的API密钥（这是一个Google搜索的API服务），还有就是前端streamlit的版本问题。所以直接复制粘贴教程给的代码到react_web_demo.py即可。

import copy
import os

import streamlit as st
from streamlit.logger import get_logger

from lagent.actions import ActionExecutor, GoogleSearch, PythonInterpreter
from lagent.agents.react import ReAct
from lagent.llms import GPTAPI
from lagent.llms.huggingface import HFTransformerCasualLM


class SessionState:

    def init_state(self):
        """Initialize session state variables."""
        st.session_state['assistant'] = []
        st.session_state['user'] = []

        #action_list = [PythonInterpreter(), GoogleSearch()]
        action_list = [PythonInterpreter()]
        st.session_state['plugin_map'] = {
            action.name: action
            for action in action_list
        }
        st.session_state['model_map'] = {}
        st.session_state['model_selected'] = None
        st.session_state['plugin_actions'] = set()

    def clear_state(self):
        """Clear the existing session state."""
        st.session_state['assistant'] = []
        st.session_state['user'] = []
        st.session_state['model_selected'] = None
        if 'chatbot' in st.session_state:
            st.session_state['chatbot']._session_history = []


class StreamlitUI:

    def __init__(self, session_state: SessionState):
        self.init_streamlit()
        self.session_state = session_state

    def init_streamlit(self):
        """Initialize Streamlit's UI settings."""
        st.set_page_config(
            layout='wide',
            page_title='lagent-web',
            page_icon='./docs/imgs/lagent_icon.png')
        # st.header(':robot_face: :blue[Lagent] Web Demo ', divider='rainbow')
        st.sidebar.title('模型控制')

    def setup_sidebar(self):
        """Setup the sidebar for model and plugin selection."""
        model_name = st.sidebar.selectbox(
            '模型选择：', options=['gpt-3.5-turbo','internlm'])
        if model_name != st.session_state['model_selected']:
            model = self.init_model(model_name)
            self.session_state.clear_state()
            st.session_state['model_selected'] = model_name
            if 'chatbot' in st.session_state:
                del st.session_state['chatbot']
        else:
            model = st.session_state['model_map'][model_name]

        plugin_name = st.sidebar.multiselect(
            '插件选择',
            options=list(st.session_state['plugin_map'].keys()),
            default=[list(st.session_state['plugin_map'].keys())[0]],
        )

        plugin_action = [
            st.session_state['plugin_map'][name] for name in plugin_name
        ]
        if 'chatbot' in st.session_state:
            st.session_state['chatbot']._action_executor = ActionExecutor(
                actions=plugin_action)
        if st.sidebar.button('清空对话', key='clear'):
            self.session_state.clear_state()
        uploaded_file = st.sidebar.file_uploader(
            '上传文件', type=['png', 'jpg', 'jpeg', 'mp4', 'mp3', 'wav'])
        return model_name, model, plugin_action, uploaded_file

    def init_model(self, option):
        """Initialize the model based on the selected option."""
        if option not in st.session_state['model_map']:
            if option.startswith('gpt'):
                st.session_state['model_map'][option] = GPTAPI(
                    model_type=option)
            else:
                st.session_state['model_map'][option] = HFTransformerCasualLM(
                    '/root/model/Shanghai_AI_Laboratory/internlm-chat-7b')
        return st.session_state['model_map'][option]

    def initialize_chatbot(self, model, plugin_action):
        """Initialize the chatbot with the given model and plugin actions."""
        return ReAct(
            llm=model, action_executor=ActionExecutor(actions=plugin_action))

    def render_user(self, prompt: str):
        with st.chat_message('user'):
            st.markdown(prompt)

    def render_assistant(self, agent_return):
        with st.chat_message('assistant'):
            for action in agent_return.actions:
                if (action):
                    self.render_action(action)
            st.markdown(agent_return.response)

    def render_action(self, action):
        with st.expander(action.type, expanded=True):
            st.markdown(
                "<p style='text-align: left;display:flex;'> <span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'>插    件</span><span style='width:14px;text-align:left;display:block;'>:</span><span style='flex:1;'>"  # noqa E501
                + action.type + '</span></p>',
                unsafe_allow_html=True)
            st.markdown(
                "<p style='text-align: left;display:flex;'> <span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'>思考步骤</span><span style='width:14px;text-align:left;display:block;'>:</span><span style='flex:1;'>"  # noqa E501
                + action.thought + '</span></p>',
                unsafe_allow_html=True)
            if (isinstance(action.args, dict) and 'text' in action.args):
                st.markdown(
                    "<p style='text-align: left;display:flex;'><span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'> 执行内容</span><span style='width:14px;text-align:left;display:block;'>:</span></p>",  # noqa E501
                    unsafe_allow_html=True)
                st.markdown(action.args['text'])
            self.render_action_results(action)

    def render_action_results(self, action):
        """Render the results of action, including text, images, videos, and
        audios."""
        if (isinstance(action.result, dict)):
            st.markdown(
                "<p style='text-align: left;display:flex;'><span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'> 执行结果</span><span style='width:14px;text-align:left;display:block;'>:</span></p>",  # noqa E501
                unsafe_allow_html=True)
            if 'text' in action.result:
                st.markdown(
                    "<p style='text-align: left;'>" + action.result['text'] +
                    '</p>',
                    unsafe_allow_html=True)
            if 'image' in action.result:
                image_path = action.result['image']
                image_data = open(image_path, 'rb').read()
                st.image(image_data, caption='Generated Image')
            if 'video' in action.result:
                video_data = action.result['video']
                video_data = open(video_data, 'rb').read()
                st.video(video_data)
            if 'audio' in action.result:
                audio_data = action.result['audio']
                audio_data = open(audio_data, 'rb').read()
                st.audio(audio_data)


def main():
    logger = get_logger(__name__)
    # Initialize Streamlit UI and setup sidebar
    if 'ui' not in st.session_state:
        session_state = SessionState()
        session_state.init_state()
        st.session_state['ui'] = StreamlitUI(session_state)

    else:
        st.set_page_config(
            layout='wide',
            page_title='lagent-web',
            page_icon='./docs/imgs/lagent_icon.png')
        # st.header(':robot_face: :blue[Lagent] Web Demo ', divider='rainbow')
    model_name, model, plugin_action, uploaded_file = st.session_state[
        'ui'].setup_sidebar()

    # Initialize chatbot if it is not already initialized
    # or if the model has changed
    if 'chatbot' not in st.session_state or model != st.session_state[
            'chatbot']._llm:
        st.session_state['chatbot'] = st.session_state[
            'ui'].initialize_chatbot(model, plugin_action)

    for prompt, agent_return in zip(st.session_state['user'],
                                    st.session_state['assistant']):
        st.session_state['ui'].render_user(prompt)
        st.session_state['ui'].render_assistant(agent_return)
    # User input form at the bottom (this part will be at the bottom)
    # with st.form(key='my_form', clear_on_submit=True):

    if user_input := st.chat_input(''):
        st.session_state['ui'].render_user(user_input)
        st.session_state['user'].append(user_input)
        # Add file uploader to sidebar
        if uploaded_file:
            file_bytes = uploaded_file.read()
            file_type = uploaded_file.type
            if 'image' in file_type:
                st.image(file_bytes, caption='Uploaded Image')
            elif 'video' in file_type:
                st.video(file_bytes, caption='Uploaded Video')
            elif 'audio' in file_type:
                st.audio(file_bytes, caption='Uploaded Audio')
            # Save the file to a temporary location and get the path
            file_path = os.path.join(root_dir, uploaded_file.name)
            with open(file_path, 'wb') as tmpfile:
                tmpfile.write(file_bytes)
            st.write(f'File saved at: {file_path}')
            user_input = '我上传了一个图像，路径为: {file_path}. {user_input}'.format(
                file_path=file_path, user_input=user_input)
        agent_return = st.session_state['chatbot'].chat(user_input)
        st.session_state['assistant'].append(copy.deepcopy(agent_return))
        logger.info(agent_return.inner_steps)
        st.session_state['ui'].render_assistant(agent_return)


if __name__ == '__main__':
    root_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
    root_dir = os.path.join(root_dir, 'tmp_dir')
    os.makedirs(root_dir, exist_ok=True)
    main()

运行测试

和之前的做法一样，还是使用ssh的端口转发来运行测试web-demo。
首先在服务器端启动：

streamlit run /root/code/lagent/examples/react_web_demo.py --server.address 127.0.0.1 --server.port 6006

然后在本地的ssh工具里面输入：

ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 37809

在浏览器打开页面http://127.0.0.1:6006/就可以了。由于默认的只有Python工具，所以测试一下数学能力：
在这里插入图片描述

浦语·灵笔图文理解创作demo

环境配置

在这个demo中需要更改环境配置，将机器的配置升级到A100(1/4)*2，也就是显存到了40G（测试的时候最高显存占用逼近这个值了），不过还好InternLM的算力平台的文件夹存在开发机共享，这样子的话哪怕重新增加一台开发机也不需要重新下载很多东西。
在这里插入图片描述
然后我们重新为这个demo新创建一个新的conda环境并且安装上必要的依赖。

bash /root/share/install_conda_env_internlm_base.sh xcomposer-demo
conda activate xcomposer-demo
pip install transformers==4.33.1 timm==0.4.12 sentencepiece==0.1.99 gradio==3.44.4 markdown2==2.4.10 xlsxwriter==3.1.2 einops accelerate

模型准备

由于服务器上已经有了对应的模型，所以还是按照之前的做法直接复制粘贴过来就好。

cp -r /root/share/temp/model_repos/internlm-xcomposer-7b /root/model/Shanghai_AI_Laboratory

代码准备

老样子，在路径/root/code上面克隆仓库下来即可。

cd /root/code
git clone https://gitee.com/internlm/InternLM-XComposer.git
cd /root/code/InternLM-XComposer
git checkout 3e8c79051a1356b9c388a6447867355c0634932d  # 最好保证和教程的 commit 版本一致

启动项目

进入文件夹/root/code/internlm-xcomposer之后，直接运行example文件夹里面的web_demo.py文件即可。

python examples/web_demo.py --folder /root/model/Shanghai_AI_Laboratory/internlm-xcomposer-7b/ --num_gpus 1 --port 6006

然后我们继续使用ssh转发（和之前一样的，这里就不写了）来体验这个项目。

测试模型

模型运行的时候占用的显存很高，应该是同时加载了很多个模型。
在这里插入图片描述
以“又见敦煌”写一篇文章：

测试图片的caption能力：

作业

作业1——使用模型生成300字的小故事

使用cli_demo.py启动模型项目，然后使用提示词生成一个300字的童话故事：
在这里插入图片描述

作业2——使用HuggingFace_hub库下载模型文件

首先需要下载官方提供的huggingface-cli工具：

pip install -U huggingface_hub

然后可以创建一个Python文件，填写下载的代码即可：

import os 
from huggingface_hub import hf_hub_download  

hf_hub_download(repo_id="internlm/internlm-20b", filename="config.json")

然后运行这个脚本文件即可。

_小可爱

关注

17
点赞
踩
23

收藏

觉得还不错? 一键收藏
0
评论
轻松玩转书生·浦语大模型趣味 Demo实战教程

书生·浦语的趣味demo实践全部过程记录
复制链接

扫一扫

专栏目录