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
-
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
。
- 自由指令输入的图文写作能力:
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
欢迎关注
个人小站:https://www.xiaowangyun.com