大模型1-本地部署实现交互问答

IT修炼家

已于 2024-10-10 16:40:05 修改

阅读量909

点赞数 13

分类专栏：大模型部署文章标签：交互深度学习人工智能大模型

于 2024-10-08 13:54:11 首次发布

本文链接：https://blog.csdn.net/qq_42755230/article/details/142757646

版权

大模型部署专栏收录该内容

14 篇文章 0 订阅

订阅专栏

任务

在本地部署大模型，调用大模型进行对话。

添加库：

1、Transformer

Transformers 是由 Hugging Face 开发的一个开源库，广泛应用于自然语言处理（NLP）任务。其主要功能是简化了对大型预训练语言模型的加载和使用。它提供了数百种预训练的模型，涵盖了多种 NLP 任务。Transformers 支持多种不同类型的 Transformer 模型架构，涵盖了近年来最先进的 NLP 模型。以下是一些知名模型架构：

BERT (Bidirectional Encoder Representations from Transformers)：双向编码器，用于生成上下文的词向量。
GPT (Generative Pretrained Transformer)：生成型预训练模型，擅长生成流畅的文本。
T5 (Text-To-Text Transfer Transformer)：将所有任务转换为文本生成问题，支持多任务学习。
RoBERTa：BERT 的改进版本，通过更多的数据和计算资源训练，性能更好。
DistilBERT：BERT 的简化版，参数更少、速度更快，但仍能保持高性能。
XLNet：结合了自回归和自编码器的优点，擅长生成任务。
Bart：适合文本生成、摘要等任务，双向编码、左到右生成。

2、streamlit

Streamlit 是一个开源的 Python 库，专为快速构建和分享数据应用（data apps）而设计。通过 Streamlit，开发者可以使用非常简洁的 Python 代码将数据分析或机器学习模型可视化，并创建交互式的 Web 应用程序。Streamlit 的主要目标是降低开发和部署数据应用的复杂性，使得数据科学家和工程师可以专注于业务逻辑，而不需要深度了解前端开发。

简而言之就是提供了一个用户交互页面，不需要前端代码。

Streamlit 提供了许多用于构建用户界面的组件，使用户能够与数据进行交互。以下是一些常用的组件：

st.write(): 通用的输出函数，支持文字、数据框、图表等的输出。
st.title(): 用于创建应用的标题。
st.text() 和 st.markdown(): 显示文本，支持 Markdown 格式。
st.image(): 显示图片。
st.button(): 创建一个按钮，用户点击后触发事件。
st.slider(): 滑块，允许用户选择数值范围。
st.selectbox(): 下拉选择框。
st.file_uploader(): 文件上传组件，支持用户上传文件。
st.form(): 用于处理表单输入，用户可以提交多个字段。

主要添加的库如下：

from transformers import AutoTokenizer, AutoModelForCausalLM  # 大模型加载必要的函数
import torch
import streamlit as st
# 源大模型下载
from modelscope import snapshot_download  # 阿里的魔塔涵盖了很多大模型，下载速度超级快，而且qwen系列模型也挺好用的，算是国内数一数二的开源模型了

注意：

1、运行使用命令：streamlit run xxx.py

2、可能需要下载的包：einops、sentencepiece

3、使用魔塔modelscope下载模型，模型可以去魔塔社区寻找。

from modelscope import snapshot_download
model_dir = snapshot_download('模型ID', cache_dir='您希望的下载路径', revision='版本号')

加载大模型

大模型加载最重要的就是tokenizer和model，

1. Tokenizer（分词器）

Tokenizer 是将自然语言文本转换为模型可理解的数字化表示的工具。它负责将输入的文本转化为词（或子词）ID，然后传递给模型。具体来说，Tokenizer 的作用包括：

分词：将文本拆分成词或子词（这取决于模型的分词方式，比如 BERT 使用的 WordPiece，GPT 使用的 Byte-Pair Encoding (BPE)）。
编码：将分词后的文本转换为词汇表中的唯一标识（IDs）。
填充与截断：确保输入的长度符合模型的要求（通常是固定长度），通过在短于要求的序列后添加填充（padding），或者截断超长的序列。
特殊标记处理：如开始标记 ([CLS])、结束标记 ([SEP]) 等，这些标记通常在处理输入序列时是必须的，尤其是在任务如分类和生成中。

示例

from transformers import AutoTokenizer
# 加载 Tokenizer
tokenizer = AutoTokenizer.from_pretrained("gpt2")
# 将文本转换为输入 ID
inputs = tokenizer("Hello, how are you?", return_tensors="pt")

2. Model（模型）

Model 是预训练的大型神经网络模型，通常是 Transformer 架构，用于执行特定的任务（如语言建模、文本生成、问答、翻译等）。模型的任务可以包括：

生成文本（如 GPT 模型）
进行分类（如 BERT 在情感分析、分类任务中）
生成摘要（如 T5 或 Bart 模型）
回答问题（如 BERT 在问答系统中）

示例

from transformers import AutoTokenizer, AutoModelForCausalLM
# 加载 tokenizer 和 model
tokenizer = AutoTokenizer.from_pretrained("gpt2")
model = AutoModelForCausalLM.from_pretrained("gpt2").cuda()
# 编码输入文本，将字符转为ID
inputs = tokenizer("Hello, how are you?", return_tensors="pt").to('cuda')
# 模型生成文本
outputs = model.generate(inputs['input_ids'], max_length=50)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

注意：

1、generate() 是 transformers 库中用于文本生成的函数。它会根据输入的 token ID（即 inputs['input_ids']）生成一段新的文本。

2、inputs['input_ids']：这是模型输入的 token ID 序列，来自于上一步 tokenizer 处理后的结果。模型会根据这些 token 来生成下一个 token。

3、tokenizer.decode(outputs[0], skip_special_tokens=True)：

outputs[0]：outputs 是一个 batch，其中 outputs[0] 是我们关心的第一条生成结果。
tokenizer.decode()：将模型生成的 token ID 序列转换回人类可读的文本字符串。
skip_special_tokens=True：告诉 tokenizer 在解码时忽略特殊的 token，比如 [CLS]、[SEP] 等。某些模型在处理过程中会加入这些特殊的 token，但它们通常不需要出现在最终的输出文本中。

4、AutoTokenizer负责加载预训练的分词器， AutoModelForCausalLM负责加载语言模型。AutoTokenizer.from_pretrained函数的相关参数可参考AutoTokenizer.from_pretrained参数说明，AutoModelForCausalLM.from_pretrained函数的相关参数可参考AutoModelForCausalLM.from_pretrained参数说明

示例

1、Yuan2-2B-Mars-hf模型

源2.0 是浪潮信息发布的新一代基础语言大模型。我们开源了全部的3个模型源2.0-102B，源2.0-51B和源2.0-2B。并且我们提供了预训练，微调，推理服务的相关脚本，以供研发人员做进一步的开发。源2.0是在源1.0的基础上，利用更多样的高质量预训练数据和指令微调数据集，令模型在语义、数学、推理、代码、知识等不同方面具备更强的理解能力。

# 导入所需的库
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import streamlit as st

# 创建一个标题和一个副标题
st.title("AI助手")

# 源大模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('IEITYuan/Yuan2-2B-Mars-hf', cache_dir='./')

# 定义模型路径
path = './IEITYuan/Yuan2-2B-Mars-hf'

# 定义模型数据类型
torch_dtype = torch.bfloat16 # A10
# torch_dtype = torch.float16 # P100

# 定义一个函数，用于获取模型和tokenizer
@st.cache_resource
def get_model():
    print("Creat tokenizer...")
    tokenizer = AutoTokenizer.from_pretrained(path, add_eos_token=False, add_bos_token=False, eos_token='<eod>')
    tokenizer.add_tokens(['<sep>', '<pad>', '<mask>', '<predict>', '<FIM_SUFFIX>', '<FIM_PREFIX>', '<FIM_MIDDLE>','<commit_before>','<commit_msg>','<commit_after>','<jupyter_start>','<jupyter_text>','<jupyter_code>','<jupyter_output>','<empty_output>'], special_tokens=True)

    print("Creat model...")
    model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch_dtype, trust_remote_code=True).cuda()

    print("Done.")
    return tokenizer, model

# 加载model和tokenizer
tokenizer, model = get_model()

# 初次运行时，session_state中没有"messages"，需要创建一个空列表
if "messages" not in st.session_state:
    st.session_state["messages"] = []

# 每次对话时，都需要遍历session_state中的所有消息，并显示在聊天界面上
for msg in st.session_state.messages:
    st.chat_message(msg["role"]).write(msg["content"])

# 如果用户在聊天输入框中输入了内容，则执行以下操作
if prompt := st.chat_input():
    # 将用户的输入添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "user", "content": prompt})

    # 在聊天界面上显示用户的输入
    st.chat_message("user").write(prompt)

    # 调用模型
    prompt = "<n>".join(msg["content"] for msg in st.session_state.messages) + "<sep>" # 拼接对话历史
    inputs = tokenizer(prompt, return_tensors="pt")["input_ids"].cuda()
    outputs = model.generate(inputs, do_sample=False, max_length=1024) # 设置解码方式和最大生成长度
    output = tokenizer.decode(outputs[0])
    response = output.split("<sep>")[-1].replace("<eod>", '')

    # 将模型的输出添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "assistant", "content": response})

    # 在聊天界面上显示模型的输出
    st.chat_message("assistant").write(response)

运行结果：

yuan-2b模型的问答结果

显存占用情况：
yuan-2b模型的显存占用

2、qwen2-1.5b-instruct模型

Qwen2 是 Qwen 大型语言模型系列的新篇章。对于 Qwen2，我们发布了从 0.5 到 720 亿参数不等的基础语言模型与指令调优语言模型，其中包括混合专家（Mixture-of-Experts）模型。本仓库包含了 1.5B 参数的 Qwen2 指令调优模型。

用原来的的代码运行会出问题，运行结果如下：
使用原来代码运行qwen2-1.5b的结果

猜测是因为不同模型的运行规则有所不同，因此按照qwen文档说明修改代码：

# 导入所需的库
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch            
import streamlit as st
# 源大模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('qwen/Qwen2-1.5B-Instruct', cache_dir='./')
# 创建一个标题和一个副标题
st.title("AI助手")

# 定义模型路径
path = './qwen/Qwen2-1___5B-Instruct'
# path = './IEITYuan/Yuan2-2B-Mars-hf'
# 定义一个函数，用于获取模型和tokenizer
@st.cache_resource
def get_model():
    print("Creat tokenizer...")
    tokenizer = AutoTokenizer.from_pretrained(path, add_eos_token=False, add_bos_token=False, eos_token='<eod>')
    tokenizer.add_tokens(['<sep>', '<pad>', '<mask>', '<predict>', '<FIM_SUFFIX>', '<FIM_PREFIX>', '<FIM_MIDDLE>','<commit_before>','<commit_msg>','<commit_after>','<jupyter_start>','<jupyter_text>','<jupyter_code>','<jupyter_output>','<empty_output>','<|im_end|>'], special_tokens=True)

    print("Creat model...")
    model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.bfloat16, trust_remote_code=True).cuda()

    print("Done.")
    return tokenizer, model

# 加载model和tokenizer
tokenizer, model = get_model()

# 初次运行时，session_state中没有"messages"，需要创建一个空列表
if "messages" not in st.session_state:
    st.session_state["messages"] = []

# 每次对话时，都需要遍历session_state中的所有消息，并显示在聊天界面上
for msg in st.session_state.messages:
    st.chat_message(msg["role"]).write(msg["content"])

# 如果用户在聊天输入框中输入了内容，则执行以下操作
if prompt := st.chat_input():
    # 将用户的输入添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "user", "content": prompt})

    # 在聊天界面上显示用户的输入
    st.chat_message("user").write(prompt)

    # 调用模型
    messages = [
    {"role": "system", "content": "You are Qwen, created by Alibaba Cloud. You are a helpful assistant."},
    ]
    for msg in st.session_state.messages:
        messages.append(msg)
    print(messages)
    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True,
        )
    inputs = tokenizer([text], return_tensors="pt").to(model.device)
    outputs = model.generate(**inputs, max_length=1024) # 设置解码方式和最大生成长度
    generated_ids = [
        output_ids[len(input_ids):] for input_ids, output_ids in zip(inputs.input_ids, outputs)
    ]
    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

    # 将模型的输出添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "assistant", "content": response})

    # 在聊天界面上显示模型的输出
    st.chat_message("assistant").write(response)