轻松玩转书生·浦语大模型趣味 Demo

conda环境(可以在自己的环境中配置，记下来方便自己本地部署)

建立环境

# conda create -n demo python==3.10 -y
# conda activate demo
# conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

激活环境

conda activate demo

配置环境

pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

模型下载

这利用的是 modelscope.，感觉和huggingfac下载大同小异

import os
from modelscope.hub.snapshot_download import snapshot_download

# 创建保存模型目录
os.system("mkdir /root/models")

# save_dir是模型保存到本地的目录
save_dir="/root/models"

snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", 
                  cache_dir=save_dir, 
                  revision='v1.1.0')

运行模型

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


model_name_or_path = "/root/models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
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("\nUser  >>> ")
    input_text = input_text.replace(' ', '')
    if input_text == "exit":
        break

    length = 0
    for response, _ in model.stream_chat(tokenizer, input_text, messages):
        if response is not None:
            print(response[length:], flush=True, end="")
            length = len(response)

主要包括

模型加载：

model_name_or_path：指定预训练模型的路径或名称。
tokenizer：使用AutoTokenizer.from_pretrained方法加载internlm2-chat-1_8b的标记器。
model：使用AutoModelForCausalLM.from_pretrained方法加载internlm2-chat-1_8b。

system_prompt：这是对话系统的初始提示或介绍。
messages：这是一个列表，包含用户输入和机器人响应的元组。初始时，它只包含系统提示。

对话循环：

进入一个while循环，直到用户输入 “exit”。
在循环中，获取用户输入。
使用模型的stream_chat方法处理输入。该方法可能根据用户输入和对话历史（messages）生成响应。

作业

300字故事

已经远超300字，模型本身可能训练了太多书生浦语的知识，固定化输出指定文字，不具备变通性。

huggingfac下载

注意配置镜像
export HF_ENDPOINT=https://hf-mirror.com

import os 
from huggingface_hub import hf_hub_download  # Load model directly 

hf_hub_download(repo_id="internlm/internlm2-7b", filename="config.json")

Lagent

大模型使用Lagent和人用工具差不多
这里教程少了端口配置
ssh-keygen -t rsa
cat ~.ssh\id_rsa.pub
添加公钥


能正常登录

这里没出现密码

超显存了

做不了了。。。。