【大模型-第一篇】在阿里云上部署ChatGLM3

前言

好久没写博客了，最近大模型盛行，尤其是ChatGLM3上线，所以想部署试验一下。
本篇只是第一篇，仅仅只是部署而已，没有FINETUNE、没有Langchain更没有外挂知识库，所以从申请资源——>开通虚机——>部署GLM3全程只用了18分钟，后面试通其它步骤后，会继续写的。

注：因为ChatGLM3的github配置文件发生了变化，所以本篇文章也更新了一下！有3处更新，我都在下面做了提示！

本篇文章参考了 程序员树先生 的“免费部署一个开源大模型 MOSS”
同时也参考了GLM3的github说明

一、申请阿里云机器学习平台PAI

本来是想在本地部署学习的，但是笔记本电脑只是3060的消费显卡，又搞不到A100甚至A10都搞不到，正好阿里云有3个月免费的GPU资源可以体验，所以正好一试。
只要没有申请过 PAI-DSW 资源的新老用户皆可申请 5000CU 的免费额度，3个月内使用。
免费试用活动页： https://free.aliyun.com/

1、申请资源

具体申请步骤我就不多做阐述了，大家可以参考上面树先生的文章，虽然有一些小出入，但大体是一样的。

2、创建实例（大概率是容器）

注1：GPU规格可以选择V100的这个（A10资源很少，即使申请成功了，后面重启经常没资源）。
因为比较贵，如果一直开着的话，15天就用完了。好在阿里云有“闲置关机策略”，系统会不定期对实例进行闲置检测判断，对于闲置实例做自动关机处理。不过为了以防万一，仍然建议及时主动关机。

注2：因为GLM3对pytorch、cuda的版本有要求，所以建议选择官方镜像里的较新的版本，比如：
modelscope:1.11.0-pytorch2.1.2tensorflow2.14.0-gpu-py310-cu1…，否则后面必定会报错，提示版本老旧等问题。
另：上面选择GPU后，镜像也会自动调整

二、部署GLM3

部署GLM3，包括其它类似的开源大模型，步骤都是差不多的，毕竟这些高校/大厂都帮大家封装好了，所以并没有特别繁琐的步骤。
在我看来，主要就是三步：1、环境搭建；2、git下载GLM3（如果要本地化部署，还要下载模型）；3、修改路径并启用

1、环境搭建

因为使用的是阿里云的PAI，默认已经帮我们配置好了环境变量、网络，装好了python甚至pytorch、tensorflow等等，所以这些正常比较麻烦的操作已经不需要我们再搞了。
进入虚机后，默认页面如下：

点击terminal进入，后面的步骤主要就是参考github上的GLM官方步骤了。

2、git下载GLM3（注：从这开始需要一点点的Linux基础）

2.1 git clone下载GLM3仓库

2.1.1首先git clone下载GLM3仓库，并切换到这个文件夹下

git clone https://github.com/THUDM/ChatGLM3
cd ChatGLM3

2.1.2 然后使用 pip 安装依赖：

20231130更新 ：
1、最新版本中，建议双击打开requirements.txt，然后把其中的“gradio~=3.39”修改成“gradio==3.39”
2、在其中加入mdtex2html

加好保存后，运行下面脚本：

pip install -r requirements.txt

2.2 git 下载本地模型

因为模型很大（总共11.6GB），github上很难下下来，所以曲线救国，从modelscope上git下载

git lfs install
git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git

这样，就会在ChatGLM3这个文件夹下，新出来一个chatglm3-6b文件夹

3、修改变量路径并启用

有2个文件需要修改变量路径，一个是basic_demo下的“web_demo.py”，另一个是chatgm3-6b下的“config.json”，都是把默认的“THUDM/”修改为“/mnt/workspace/ChatGLM3/”
这里的修改，可以使用vim，也可以直接左边栏双击（json文件需要右键——>编辑）打开文件修改（推荐）

3.1ChatGLM3/chatglm3-6b下的config.json

3.2 ChatGLM3/basic_demo下的web_demo.py

3.3 启动web_demo.py

运行下列代码启动

python /mnt/workspace/ChatGLM3/basic_demo/web_demo.py

直接点击上图第二个红框url，会跳转打开一个web UI，这样就完成了GLM3的大模型私有化部署