window零基础部署langchain-ChatGLM

飞奔的屎壳郎

已于 2023-06-22 17:19:13 修改

阅读量9.1k

点赞数 11

分类专栏：达梦AI 文章标签： langchain python 人工智能

于 2023-06-22 17:12:50 首次发布

本文链接：https://blog.csdn.net/qq_35349982/article/details/131342632

版权

达梦AI 专栏收录该内容

1 篇文章 2 订阅

订阅专栏

一、介绍

从0开始安装运行langchain-ChatGLM-6b-int4模型，主要是版本要配套不然特别容易报错
我的机器配置CPU是Intel® Core™ i7-7700HQ CPU @ 2.80GHz 2.80 GHz，GPU8G。

二、相关版本说明

需要用到的模型以及版本已放到百度网盘中，附录中下载

gcc version 8.1.0 (x86_64-posix-seh-rev0, Built by MinGW-W64 project)	https://sourceforge.net/projects/mingw-w64/files/	必须64位，安装32位不可运行
vs_community__studio2019	https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/	安装2019版与cuda11.7版本适配。安装后需要选择C++组件
cuda11.7	https://developer.nvidia.com/cuda-toolkit-archive	电脑需要有GPU，运行langchain建议安装11.7 问题会少很多
CUDNN_8.5.0.96_cuda11	https://developer.nvidia.com/rdp/cudnn-archive	与cuda11.7搭配
torch-2.0.1+cu117-cp310	https://download.pytorch.org/whl/torch_stable.html	与Python以及cuda搭配
Anaconda	https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/	安装langchain方便
python3.10		conda安装

三、前置软件安装

安装这个window比较麻烦，需要依赖很多环境，建议先安装前置软件然后再安装langchain。

1.GCC安装

参考https://blog.csdn.net/BobYuan888/article/details/107576719

gcc64位下载

一定要装64位的gcc，因为我的电脑是w10 64位的，装32位运行langchain报错并配置环境变量
可直接用压缩包中的文件：x86_64-8.1.0-release-posix-seh-rt_v6-rev0.7z
软件下载地址：https://sourceforge.net/projects/mingw-w64/files/

安装后解压，然后将bin目录配置到path目录ixa

gcc64安装验证

gcc -v

2.Visual Studio 2019安装

可直接用压缩包的文件：vs_community__studio2019.exe
官方下载地址：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
2019版下载链接，社区版就够用了：https://my.visualstudio.com/Downloads?q=visual%20studio%202019&wt.mc_id=o_msftvscom~older-downloads

注意，需要选择C++开发模块，其它根据自己的需求安装就好了，安装路径可以默认，也可以根据自己情况更改一下，然后点击安装就好了，后面都是自动安装了，因为需要在线下载东西，过程有点长，耐心等待一下~~

3.Anaconda安装

可直接用压缩包中的文件：Anaconda3-2023.03-0-Windows-x86_64.exe

下载安装

下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装的时候选择所有all users，直接下一步就行

PATH添加环境变量

结合自己的路径自己修改

D:\anaconda3
D:\anaconda3\Scripts
D:\anaconda3\Library\bin
D:\anaconda3\Library\mingw-w64\bin

校验检验

检查是否安装成功

conda --version
conda info

4. 配置conda镜像下载地址

用户目录下没有.condarc文件，先执行 conda config --set show_channel_urls yes 生成该文件之后再修改.condarc文件路径如：C:\Users\用户名，自己的路径对号入座

用如下内容替换.condarc文件内容

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

、

# 搜索时显示通道地址
conda config --set show_channel_urls yes

# 最后，执行conda info
conda info

5. CUDA安装

安装CUDA11.7

参考https://blog.csdn.net/chen565884393/article/details/127905428

下载安装包

可直接用压缩包的文件：cuda_11.7.1_516.94_windows.exe

下载CUDA，根据自己的配置选择，win10还是win11安装包
下载地址：https://developer.nvidia.com/cuda-11-7-1-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local

安装软件

下一步

把CUDA选一下，还需要注意一点，如果你前面没有安装vs，直接安装的这个，需要把CUDA里面的
Visual Studio Integration取消勾选，否则会安装不成功

然后下一步安装即可
安装完成后，会提示Nsight Visual studio的整合情况，这里提示安装了vs2019版的，正是我们前面安装的VS版本，这样就能在vs2019里面做GPU方面的开发了

检查安装情况

nvcc -V

6. 安装CUDNN

下载CUDNN

可直接用压缩包的文件：cudnn-windows-x86_64-8.5.0.96_cuda11-archive.zip
下载安装包，在NVIDIA官方网站即可下载，地址为：https://developer.nvidia.com/rdp/cudnn-archive

配置CUDNN

直接解压缩，完成后点击去你能看到如下三个文件夹（bin、include、lib）

把这三个文件夹的文件分别拷贝到CUDA安装目录对应的（bin、include、lib）文件夹中即可。CUDA的lib目录有x64 、Win32、cmake三个文件夹，拷到其中的x64这个文件夹中

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

7.Pytorch安装(配置GPU)

参考https://blog.csdn.net/qq_46126258/article/details/112708781

主要是解决torch.cuda.is_available()返回false的问题

torch安装

到pytorch官网https://pytorch.org/get-started/locally/#no-cuda-1选择自己版本. 一定要用pip安装，不要用conda，之前网帖有人说conda装下还是存在问题

## 直接在cmd中执行即可
(base) PS C:\Users\29787> pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

torch_stable

下载地址：https://download.pytorch.org/whl/torch_stable.html
下载torch==2.0.1+cu117，可以观察到cu117/torch-2.0.1有很多的版本，cp38对应python3.8，win_amd64对应windows的64位操作系统，根据自己的实际情况进行下载即可。（+cu117表示CUDA10.1，+cpu表示CPU版本）

pip install https://download.pytorch.org/whl/cu117/torch-2.0.1%2Bcu117-cp310-cp310-win_amd64.whl

## 文件比较大，或者去安装包中 同目录下直接本地安装
## pip install torch-2.0.1+cu117-cp310-cp310-win_amd64.whl

torch生效校验

新建文件test_gpu.py，输出为True则表示配置成功

import torch


print( torch.__version__)
print( torch.cuda.is_available())

四、安装langchain-ChatGLM

1.conda激活环境

# 第一步：同意版本使用python3.10，可使用conda安装环境
$ conda create -p  aistudio python=3.10
# 第二步：激活环境
$ source activate aistudio


# 关闭环境
#$ source deactivate aistudio
# 删除环境
#$ conda env remove -p aistudio

2.下载langchain-ChatGLM

https://github.com/imClumsyPanda/langchain-ChatGLM
可以自己去github上拉取代码，也可以去资料包下载 langchain-ChatGLM-master.zip

3.安装langchain-ChatGLM依赖包

github的安装步骤：https://github.com/imClumsyPanda/langchain-ChatGLM/blob/master/docs/INSTALL.md

## 我这里我把包放到了E盘
(C:\Users\29787\aistudio) PS C:\Users\29787> e:
(C:\Users\29787\aistudio) PS E:\> cd E:\langchain\langchain-ChatGLM-master
(C:\Users\29787\aistudio) PS E:\langchain\langchain-ChatGLM-master>

# 安装相关依赖，会自动读取requirements.txt依赖，这个步骤消耗的时间特别长。
(C:\Users\29787\aistudio) PS E:\langchain\langchain-ChatGLM-master> pip install -r requirements.txt

安装成功后会有如下提示

安装报错记录

Microsoft Visual C++ 14.0 or greater is required.

本地缺少C++环境，使用安装包的solved_packageMissInInstalling_mu_visual_cpp_build_tools_2015_update_3_x64_dvd_dfd9a39c.iso 进行安装
下载后双击这个文件安装以后，在重新执行这个拉取命令

4.加载chatglm-6b-int4模型

去chatglm-6b-int4官网下载模型https://github.com/THUDM/ChatGLM-6B或者https://huggingface.co/THUDM/chatglm-6b-int4/tree/main。也可以去资料包下载 chatglm-6b-int4.zip
在项目同级目录下新建model/chatglm-6b-int4目录并将模型的文件放进来。

5.加载text2vec-large-chinese

在项目同级目录下新建model/text2vec-large-chinese目录并将模型的文件放进来。用资料包的文件text2vec-large-chinese.zip

6.修改langchain-ChatGLM的配置文件

修改webui.py文件端口映射

调整内容如下：

将server_name的0.0.0.0调整为localhost’
将share属性调整为True

(demo
 .queue(concurrency_count=3)
 .launch(server_name='localhost',
         server_port=7860,
         show_api=False,
         share=True,
         inbrowser=False))

修改model_config.py引入text2vec

修改config下model_config.py文件，路径一定要用全路径。 \转义

embedding_model_dict = {
    "ernie-tiny": "nghuyong/ernie-3.0-nano-zh",
    "ernie-base": "nghuyong/ernie-3.0-base-zh",
    "text2vec-base": "shibing624/text2vec-base-chinese",
    "text2vec": "E:\\langchain\\langchain-ChatGLM-master\\model\\text2vec-large-chinese",
    "m3e-small": "moka-ai/m3e-small",
    "m3e-base": "moka-ai/m3e-base",
}

# Embedding model name
EMBEDDING_MODEL = "text2vec"

修改model_config.py引入chatglm-6b-int4

修改config下model_config.py文件，修改pretrained_model_name与local_model_path属性以及LLM_MODEL属性。
建议使用相对路径，不然知识库哪块报错

llm_model_dict = {
    "chatglm-6b-int4": {
        "name": "chatglm-6b-int4",
        "pretrained_model_name": "chatglm-6b-int4",
        "local_model_path": "model/chatglm-6b-int4",
        "provides": "ChatGLM"
    },
}
# LLM 名称，注意：只修改llm_model_dict不修改LLM_MODEL也不会生效的
LLM_MODEL = "chatglm-6b-int4"

修改LLM_MODEL属性引入模型，不然不生效

7.运行langchain-ChatGLM

运行langchain

(C:\Users\29787\aistudio) PS E:\langchain\langchain-ChatGLM-master> python .\webui.py

出现如下提示就是运行成功

Running on local URL: http://localhost:7860

运行记录报错

ImportError: Using `low_cpu_mem_usage=True` or a `device_map` requires Accelerate: `pip install accelerate`

这个报错是因为本地找不到pytorch的GPU，默认走了CPU。
解决方案两个：要不执行pip install accelerate 要不安装上面的教程配置Pytorch

RuntimeError: Library cublasLt is not initialized

可参考：https://github.com/THUDM/ChatGLM-6B/issues/465。按照本教程装的话不存在这个问题
在跑 THUDM/chatglm-6b-int4的时候碰到问题。结果我发现是 cuda 版本太低所致。我之前是跑在 cuda-10.0 上，当我升级到 cuda-12.0 后，问题就解决了。结合之前有的人提到 11.2，11.3 跑不了，后面提到重装 11.7 可以正常使用的情况。那么这个报错会不会是因为它的代码对系统依赖上要求大于11.x 的某个版本的问题所致？

‘gcc’ is not recognized as an internal or external command,

本地没有gcc环境，安装mingw-w64即可，可往上看方案

moduleNotFoundError:No module named’transformers_modules.model/chatglm-6b-int4

修改model_config.py中的属性配置错误，参考如下

这样修改
    "chatglm-6b-int4": {
        "name": "chatglm-6b-int4",
        "pretrained_model_name": "chatglm-6b-int4",
        "local_model_path": "model/chatglm-6b-int4",
        "provides": "ChatGLM"
    },

quantization_kernels_parallel.so Load parallel cpu kernel failed,

Compiling kernels : C:\Users\29787\.cache\huggingface\modules\transformers_modules\chatglm-6b-int4\quantization_kernels_parallel.c
Compiling gcc -O3 -fPIC -pthread -fopenmp -std=c99 C:\Users\29787\.cache\huggingface\modules\transformers_modules\chatglm-6b-int4\quantization_kernels_parallel.c -shared -o C:\Users\29787\.cache\huggingface\modules\transformers_modules\chatglm-6b-int4\quantization_kernels_parallel.so
Load parallel cpu kernel failed, using default cpu kernel code:
Traceback (most recent call last):
  File "C:\Users\29787/.cache\huggingface\modules\transformers_modules\chatglm-6b-int4\quantization.py", line 156, in __init__
    kernels = ctypes.cdll.LoadLibrary(kernel_file)
  File "C:\Users\29787\aistudio\lib\ctypes\__init__.py", line 452, in LoadLibrary
    return self._dlltype(name)
  File "C:\Users\29787\aistudio\lib\ctypes\__init__.py", line 374, in __init__
    self._handle = _dlopen(self._name, mode)
FileNotFoundError: Could not find module 'C:\Users\29787\.cache\huggingface\modules\transformers_modules\chatglm-6b-int4\quantization_kernels_parallel.so' (or one of its dependencies). Try using the full path with constructor syntax.