书生·浦语大模型实战系列文章目录
书生·浦语大模型全链路开源体系发展历程和特点(lesson 1)
部署 InternLM2-Chat-1.8B(lesson 2-1)
部署八戒demo InternLM2-Chat-1.8B(lesson 2-2)
部署InternLM2-Chat-7B 模型(lesson 2-3)
部署浦语·灵笔2 模型(lesson 2-4)
部署InternLM Studio“茴香豆”知识助手(lesson 3)
XTuner 微调 LLM: 1.8B、多模态和 Agent(lesson 4)
LMDeploy 量化部署 LLM & VLM 实践(lesson 5)
Lagent & AgentLego 智能体应用搭建(lesson 6)
OpenCompass 大模型评测实战(lesson 7)
书生·浦语大模型实战:部署 InternLM2-Chat-1.8B
前言
通过 Intern Studio的部署实习,配合实战营 Tutorial 同步完成学习任务。
课程地址:https://github.com/InternLM/Tutorial
一、实战内容
实战任务一:部署 InternLM2-Chat-1.8B
创建 Intern Studio 开发机,通过 Modelscope 下载 InternLM2-Chat-1.8B 模型,完成 Client Demo 的部署和交互。
实战任务二:部署八戒-Chat-1.8B
通过 OpenXLab 部署 XiYou 系列的 八戒-Chat- 1.8B 模型,完成 Web Demo 的部署和交互。
实战任务三:进阶 运行 Lagent 智能体 Demo
实战算力升级之后,以 InternLM2-Chat-7B 为基础,运行开源框架 Lagent 的智能体 Demo。
实战任务四:进阶 灵笔 InternLM-XComposer2
浅尝多模态实践,通过 InternLM-XComposer2 模型实现更加强大的图文生成式写作。
学习目的:
- 创建并熟悉开发机;
- 下载 InternLM2-Chat-1.8B 模型;
- 尝试部署本地 Client Demo;
- 了解如何部署自定义模型。
二、部署 InternLM2-Chat-1.8B
2.1 环境构建
打开 Intern Studio 界面,点击 创建开发机 配置开发机系统。
填写 开发机名称 后,点击 选择镜像 使用 Cuda11.7-conda 镜像,然后在资源配置中,使用 10% A100 * 1 的选项,然后立即创建开发机器。
点击 进入开发机 选项。
进入开发机后,在 terminal 中输入环境配置命令
studio-conda -o internlm-base -t demo
# 与 studio-conda 等效的配置方案
# 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
然后进入安装阶段,过程较长。
conda环境: demo安装成功!
2.2 依赖安装
配置完成后,进入到新创建的 conda 环境之中:
conda activate demo
输入以下命令,完成环境包的安装:
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
这里出现warning信息:
WARNING: Running pip as the ‘root’ user can result in broken
permissions and conflicting behaviour with the system package manager.
It is recommended to use a virtual environment instead:
https://pip.pypa.io/warnings/venv
警告信息解释:
运行pip作为’root’用户可能导致文件或目录权限损坏。pip是Python包管理工具,通常不推荐以root用户身份运行,因为这可能会造成系统安全问题和不必要的权限提升。
解决方法:
避免以root用户运行pip。如果需要安装或升级Python包,请使用普通用户权限。
如果必须以root用户安装包,可以使用sudo命令:
sudo pip install package_name
或者使用–user选项让pip在当前用户的home目录中安装包,而不是全局位置:
pip install --user package_name
确保使用虚拟环境时,也不要以root用户运行,这样可以避免权限问题并提供一个隔离的环境。
如果是在脚本中运行pip,请确保脚本不是以root用户执行的。
建议始终尽可能避免以root用户运行pip,特别是在安装或升级Python环境时。这样做可以保持系统的安全性和稳定性。
安装结束。
2.3 下载 InternLM2-Chat-1.8B 模型
按路径创建文件夹,并进入到对应文件目录中:
mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo
双击打开 /root/demo/download_mini.py 文件,写入以下代码:
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')
下载模型参数文件:
python /root/demo/download_mini.py
2.4 编写测试代码
模型下载完毕后,打开 /root/demo/cli_demo.py 文件,输入以下代码:
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)
2.5 调试
输入命令,执行 Demo 程序:
conda activate demo
python /root/demo/cli_demo.py
出现报错信息:ModuleNotFoundError: No module named ‘sentencepiece’
输入:pip install sentencepiece==0.1.99,重新安装该模块:
pip install sentencepiece==0.1.99
重新运行demo程序,正常运行:
2.6 运行实测
·对答如流,完美。
小结
通过一个简单的趣味 Demo应用的安装调试,完成了对InternLM2-Chat-1.8B模型,从零开始的应用环境构建、部署、调试和实测,到落地应用的全过程。
经过实际测试,满足了对话类AI应用的基本要求,可以进行全面的文本类对话。
同时,还可以自动过滤不合适的话题,进行拒绝,说明该模型考虑到了合规性。
特别是可以进行语境的判断,能对逗比的问题进行相应的表情回复。这点相对于chatgpt,那种冷冰冰的回答,更有人味。我想,这才是人工智能的真正魅力所在吧?
相对于大模型的大而全,更喜欢这种小而美,小而专的轻量级模型。这种轻量级的应用,可以用普通8g显存的家用电脑来运行,未来最有可能走入寻常百姓家。朵朵小花开,妆点满庭院,对其应用前景相当看好。