MindNLP体验ChatGLM-6B【昇思25天打卡营】

本笔记为昇思25天打卡营第三天,MindNLP体验ChatGLM-6B,打卡截屏和心得体会在笔记末尾。

文章首发自我的个人博客 www.jiewong.com

环境信息:
规格:96G Ascend910

镜像:py39-ms2.2.14-cann7.0.0

特性:预装mindspore(2.2.14)、numpy、pandas、download


代码

依赖安装

pip install mindnlp
pip install mdtex2html

配置网络线路

!export HF_ENDPOINT=https://hf-mirror.com

下载权重

from mindnlp.transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import gradio as gr
import mdtex2html

model = AutoModelForSeq2SeqLM.from_pretrained('ZhipuAI/ChatGLM-6B', mirror="modelscope").half()
model.set_train(False)
tokenizer = AutoTokenizer.from_pretrained('ZhipuAI/ChatGLM-6B', mirror="modelscope")

模型推理

# 训练营打卡
print("打卡人:汪朝杰")

from datetime import datetime
import pytz
# 设置时区为北京时区
beijing_tz = pytz.timezone('Asia/shanghai')
# 获取当前时间,并转为北京时间
current_beijing_time = datetime.now(beijing_tz)
# 格式化时间输出
formatted_time = current_beijing_time.strftime('%Y-%m-%d %H:%M:%S')
print("当前北京时间:",formatted_time)
prompt = '讲个笑话'
history = []
response, _ = model.chat(tokenizer, prompt, history=history, max_length=200)
response

在这里插入图片描述

心得体会

今天了解到了 mindnlp 这个库,他支持支持类似 huggingface transformer 的 api 调用

from mindnlp.transformers import AutoModel

model = AutoModel.from_pretrained('bert-base-cased')

很方便,兼容性强。有一点让我困惑,即使我用的是96G的Ascend910,他的推理速度却不尽人意,训练营的群友说是昇腾上部分模型动态图优化的问题。 另外 ,示例代码中的 model 是用 AutoModelForSeq2SeqLM 导入的,我按照 mindnlp 仓库给的示例,换成了AutoModel,但是却报错,没有 chat 方法:

AttributeError: The 'ChatGLMModel' object has no attribute 'chat'.

在mindspore开发者群里问了才知道, transformers 没有chat方法,chat是 chatglm 自己加的。
我真的对 transformers 了解很少啊😂

继续加油💪⛽️

花径不曾缘客扫,蓬门今始为君开。
你好,我的名字是汪朝杰,欢迎来到我的网站和数字花园🌱

  • 8
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用\[1\]和引用\[2\]的信息,ChatGLM-6B-INT4和ChatGLM-6B是两个不同的模型。ChatGLM-6B-INT4是ChatGLM-6B模型的一个变种,它使用了INT4量化技术,可以在保持相对较高的模型性能的同时,减少模型的存储空间和计算资源需求。因此,ChatGLM-6B-INT4相对于ChatGLM-6B来说,具有更小的模型体积和更高的推理效率。 #### 引用[.reference_title] - *1* [ChatGLM-6B-INT4部署](https://blog.csdn.net/weixin_43890157/article/details/131614431)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [本地部署 ChatGLM-6B](https://blog.csdn.net/engchina/article/details/130527699)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [【ChatGLM】使用ChatGLM-6B-INT4模型进行P-Tunning训练记录及参数讲解](https://blog.csdn.net/sinat_14840559/article/details/131124471)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值