书生·浦语大模型实战营Day02趣味Demo

书生·浦语大模型实战营Day02趣味Demo

• 轻松玩转书生·浦语大模型趣味Demo

实战部署InternLM2-Chat-1.8B

• 创建 InternStudio开发机，通过ModelScope下载基础模型，完成Demo部署和交互
• 10%A100 Cuda11.7 进入开发机

环境配置

# Python==3.10
conda create -n internlm_demo python==3.10 -y
# 安装环境 pytorch==2.0.1  cuda=11.7
conda activate internlm_demo
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

# 安装依赖包
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

pip list

下载模型

• 创建目录和文件

mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo

• 下载 InternLM2-Chat-1.8B 模型 代码 download_mini.py

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')

• 执行

conda activate internlm_demo
python /root/demo/download_mini.py

运行Demo

• Demo 代码

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)

• 运行

conda activate demo
python /root/demo/cli_demo.py

• 测试 ：请创作一个 300 字的小故事

实战部署八戒-Chat-1.8B

• 通过OpenXLab部署xiyou系列八戒模型，完成Web Demo部署和交互

环境配置

• 同上

conda activate internlm_demo

# 获取代码
cd /root/
git clone https://gitee.com/InternLM/Tutorial -b camp2
# git clone https://github.com/InternLM/Tutorial -b camp2
cd /root/Tutorial

下载八戒Demo

touch /root/demo/bajie_download.py

• 下载代码

import os
#模型下载
from modelscope.hub.snapshot_download import snapshot_download

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

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

snapshot_download('JimmyMa99/BaJie-Chat-mini',  cache_dir=save_dir)

• 执行

python /root/demo/bajie_download.py

运行Demo

• Intern Studio 运行

streamlit run /root/demo/bajie_chat.py --server.address 127.0.0.1 --server.port 6006

• 本地PowerShell映射

# 从本地使用 ssh 连接 studio 端口
# 将下方端口号 40323  替换成自己的端口号
ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 40323

• 打开 http://127.0.0.1:6006

• 测试
  

• 一直在输出

实战进阶 运行 Lagent 智能体

• 算力升级，以InternLM2-Chat-7B 为基础，运行开源框架 Lagent的智能体Demo
• Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。它的整个框架图如下:

Lagent 的特性总结如下：

• 流式输出：提供 stream_chat 接口作流式输出，本地就能演示酷炫的流式 Demo。
• 接口统一，设计全面升级，提升拓展性，包括：
  • Model : 不论是 OpenAI API, Transformers 还是推理加速框架 LMDeploy 一网打尽，模型切换可以游刃有余；
  • Action: 简单的继承和装饰，即可打造自己个人的工具集，不论 InternLM 还是 GPT 均可适配；
  • Agent：与 Model 的输入接口保持一致，模型到智能体的蜕变只需一步，便捷各种 agent 的探索实现；

环境配置

• 环境升级：30% A100, 关闭开发机升级后，配置环境

conda activate internlm_demo

cd /root/demo

• 源码安装lagent

git clone https://gitee.com/internlm/lagent.git
# git clone https://github.com/internlm/lagent.git
cd /root/demo/lagent
git checkout 581d9fb8987a5d9b72bb9ebd37a95efd47d479ac
pip install -e . # 源码安装

Lagent运行InternLM2-Chat-7B

• 下载

# 软连接方式
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b

• 配置lagent

vim /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py

# 修改第71行左右，模型路径
model_path = st.sidebar.text_input('模型路径：', value='/root/models/internlm2-chat-7b')

• 运行demo, 大约5分钟完成模型加载

streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006

• 本地PowerShell运行

# 从本地使用 ssh 连接 studio 端口
# 将下方端口号 40323  替换成自己的端口号
ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 40323

• 完成Demo
  

实战进阶 灵笔InternLM-XComposer2

• 浅尝多模态大模型，图文生成

浦语·灵笔

• 浦语·灵笔2 是基于 书生·浦语2 大语言模型研发的突破性的图文多模态大模型，具有非凡的图文写作和图像理解能力，在多种应用场景表现出色，总结起来其具有：
  • 自由指令输入的图文写作能力： 浦语·灵笔2 可以理解自由形式的图文指令输入，包括大纲、文章细节要求、参考图片等，为用户打造图文并貌的专属文章。生成的文章文采斐然，图文相得益彰，提供沉浸式的阅读体验。
  • 准确的图文问题解答能力：浦语·灵笔2 具有海量图文知识，可以准确的回复各种图文问答难题，在识别、感知、细节描述、视觉推理等能力上表现惊人。
  • 杰出的综合能力： 浦语·灵笔2-7B 基于 书生·浦语2-7B 模型，在13项多模态评测中大幅领先同量级多模态模型，在其中6项评测中超过 GPT-4V 和 Gemini Pro。

环境配置

• 升级环境：50%A100，升级后运行

• 环境配置

conda activate internlm_demo

# 补充环境包
pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5

• 下载代码仓

cd /root/demo
git clone https://gitee.com/internlm/InternLM-XComposer.git
# git clone https://github.com/internlm/InternLM-XComposer.git
cd /root/demo/InternLM-XComposer
git checkout f31220eddca2cf6246ee2ddf8e375a40457ff626

• 创建软连接，或自己下载

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-7b /root/models/internlm-xcomposer2-7b
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-7b /root/models/internlm-xcomposer2-vl-7b

运行Demo

• 启动 InternLM-XComposer：

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_composition.py  \
--code_path /root/models/internlm-xcomposer2-7b \
--private \
--num_gpus 1 \
--port 6006

• 显存不足，记得升级50%A100

• 升级后, 不使用映射访问样式丢失

python examples/gradio_demo_composition.py  \
--code_path /root/models/internlm-xcomposer2-7b \
--private \
--num_gpus 1 \
--port 6006

• 本地PowerShell运行

# 从本地使用 ssh 连接 studio 端口
# 将下方端口号 40323  替换成自己的端口号
ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 40323

• 完成Demo 打开 http://127.0.0.1:6006

图文创作

图片理解

• 关闭并重新启动一个新的 terminal，继续输入指令，启动 InternLM-XComposer2-vl：

conda activate internlm_demo

cd /root/demo/InternLM-XComposer

python /root/demo/InternLM-XComposer/examples/gradio_demo_chat.py  \
--code_path /root/models/internlm-xcomposer2-vl-7b \
--private \
--num_gpus 1 \
--port 6006

打开 http://127.0.0.1:6006 (上传图片后) 键入内容示例如下：请分析一下图中内容

常用命令

# 查看GPU
studio-smi

# PowerShell  映射
# 从本地使用 ssh 连接 studio 端口
# 将下方端口号 40323  替换成自己的端口号
ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 40323


# Pip镜像
pip install -i https://mirrors.cernet.edu.cn/pypi/web/simple some-package
python -m pip install --upgrade pip
pip config set global.index-url   https://mirrors.cernet.edu.cn/pypi/web/simple
python -m pip install -i https://mirrors.cernet.edu.cn/pypi/web/simple --upgrade pip

# 清理软连接
unlink link_name
cd /root/demo/
unlink internlm2-chat-7b

模型下载

• 除了上述软连接方式，适用于学习。当在自己的环境下配置时，可采用以下方式下载模型

Hugging Face

• 官方提供的 huggingface-cli 命令行工具

pip install -U huggingface_hub

• 下载代码

import os
# 下载模型
os.system('huggingface-cli download --resume-download internlm/internlm2-chat-7b --local-dir your_path')

• resume-download：断点续下
• local-dir：本地存储路径。其中 linux 环境下需要填写绝对路径.

• 下载单个文件

import os 
from huggingface_hub import hf_hub_download  # Load model directly 

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

ModelScope

• 使用 modelscope 中的 snapshot_download 函数下载模型

pip install modelscope==1.9.5
pip install transformers==4.35.2

• 下载代码

import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm2-chat-7b', cache_dir='your path', revision='master')

• 第一个参数为模型名称

• cache_dir 最好为绝对路径。

OpenXLab

• OpenXLab 可以通过指定模型仓库的地址，以及需要下载的文件的名称，文件所需下载的位置等，直接下载模型权重文件，使用 download 函数导入模型中心的模型。

• 下载代码

import torch
import os
from transformers import AutoModelForCausalLM, AutoTokenizer, AutoModel
base_path = './local_files'
os.system('apt install git')
os.system('apt install git-lfs')
os.system(f'git clone https://code.openxlab.org.cn/Usr_name/repo_name.git {base_path}')
os.system(f'cd {base_path} && git lfs pull')

作业

• 书生·浦语大模型实战营Day02作业

欢迎关注

个人小站：https://www.xiaowangyun.com