大模型入门-浦语大模型趣味Demo
前言
学习https://www.bilibili.com/video/BV1Ci4y1z72H/?vd_source=d5e90f8fa067b4804697b319c7cc88e4
并按照作业完成学习目标:
基础作业:
使用 InternLM-Chat-7B 模型生成 300 字的小故事(需截图)。
熟悉 hugging face 下载功能,使用 huggingface_hub python 包,下载 InternLM-20B 的 config.json 文件到本地(需截图下载过程)。
进阶作业(可选做)
完成浦语·灵笔的图文理解及创作部署(需截图)
完成 Lagent 工具调用 Demo 创作部署(需截图)
大模型定义、特点及应用
操作手册
https://github.com/InternLM/tutorial/blob/main/helloworld/hello_world.md
- 新建开发机-> bash(in terminate)->克隆环境-> 查看环境
- 在internlm-dm这个conda环境完善依赖,下载模型:
模型类型:internlm 表明这是语言模型中的一个特定架构或版本。
架构:InternLMForCausalLM 表明这个模型是为因果语言模型设计的,通常用于生成文本序列,在这种模型中,每个令牌的预测都基于之前的令牌。
配置和模型类:AutoConfig, AutoModel, 和 AutoModelForCausalLM 这些条目可能是指在机器学习框架中的类(比如Hugging Face的Transformers),这些类可以自动推断正确的模型配置。
模型规格:
hidden_size: 4096 表明隐藏层的大小。
num_hidden_layers: 32 表明模型有32层。
num_attention_heads: 32 表明模型中的注意力头数,这是Transformer架构的关键组成部分。
max_position_embeddings: 2048 表明模型可以处理的最大序列长度。
vocab_size: 103168 指模型能理解的词汇表大小。
隐藏层激活函数:silu(Sigmoid Linear Unit,即Sigmoid线性单元)用作隐藏层的激活函数。
其他参数:
initializer_range, rms_norm_eps, 和 torch_dtype 是与模型中的数值运算相关的参数。
use_cache: true 表明模型缓存中间计算以加速推理。
tie_word_embeddings: false 表明输入和输出词嵌入没有绑定,即它们是分别学习的。
bias: true 表明模型线性层中包含偏置项。
特殊令牌:
bos_token_id 和 eos_token_id 分别是序列开始和结束的令牌ID。
pad_token_id: 2 通常用于将较短的序列填充到统一长度。
Transformers版本:4.33.2 指明了这个模型配置兼容的Transformers库的版本。
这个配置为我们提供了深入了解InternLM模型结构和能力的详细信息。鉴于其大小以及层数和注意力头的数量,这似乎是一个大型且可能非常强大的模型。
exit退出后还可以查看gpu占用:
使用web demo时:streamlit run web_demo.py --server.address 127.0.0.1 --server.port 6006
这行命令是用于启动一个基于 Streamlit 的 Web 应用的。Streamlit 是一个Python库,它可以将Python脚本转换成交互式Web应用。让我们来逐个解释这个命令的各个部分:
streamlit run: 这是启动Streamlit应用的命令。它告诉Streamlit要运行一个特定的Python脚本。
web_demo.py: 这是你要运行的Streamlit应用的Python脚本文件。这个文件应该包含用于构建Web界面的Streamlit代码。
–server.address 127.0.0.1: 这部分指定了服务器的地址。127.0.0.1 是一个特殊的IP地址,它指向你自己的计算机,通常称为"localhost"。这意味着Streamlit应用将只在你的机器上本地运行,而不是在互联网上。
–server.port 6006: 这指定了应用使用的端口。端口是一个数字,用于区分运行在同一台机器上的不同网络服务。在这种情况下,你的Streamlit应用将在端口6006上运行。
综上所述,当你在终端或命令行界面中运行这个命令时,它会启动一个Streamlit Web应用,这个应用将在你的本地机器上的6006端口上运行。你可以通过在Web浏览器中访问 http://127.0.0.1:6006 来查看和与之交互。
web_demo.py
Lagent 智能体工具调用 Demo
chat7B应该是不能分析图片的?
mac用户,不知道怎么操作关闭进程,只能杀后台了:
# 这段代码是用于构建一个基于 Streamlit 的交互式应用程序的一部分
# 主要涉及的是构建一个会话状态管理类 SessionState,该类负责初始化和清除会话状态。
import copy
import os
# 导入 Streamlit 库,一种用于创建交互式web应用的Python库。
import streamlit as st
from streamlit.logger import get_logger
from lagent.actions import ActionExecutor, GoogleSearch, PythonInterpreter
from lagent.agents.react import ReAct
from lagent.llms import GPTAPI
from lagent.llms.huggingface import HFTransformerCasualLM
class SessionState:
# 这个类包含两个方法:init_state 和 clear_state,用于初始化和清除会话状态。
def init_state(self):
"""Initialize session state variables."""
"""初始化 Streamlit 的会话状态变量。Streamlit 使用 st.session_state 以保持跨多个页面和用户交互的状态。"""
st.session_state['assistant'] = []
st.session_state['user'] = []
#action_list = [PythonInterpreter(), GoogleSearch()]
action_list = [PythonInterpreter()]
st.session_state['plugin_map'] = {
action.name: action
for action in action_list
}
st.session_state['model_map'] = {}
st.session_state['model_selected'] = None
st.session_state['plugin_actions'] = set()
def clear_state(self):
"""Clear the existing session state."""
"""清除会话状态,包括 assistant、user 列表和选定的模型。"""
st.session_state['assistant'] = []
st.session_state['user'] = []
st.session_state['model_selected'] = None
if 'chatbot' in st.session_state:
st.session_state['chatbot']._session_history = []
class StreamlitUI:
"""用于构建和管理一个基于 Streamlit 的用户界面。这个类负责初始化界面、设置侧边栏,并提供模型和插件选择功能。"""
def __init__(self, session_state: SessionState):
self.init_streamlit()
self.session_state = session_state
def init_streamlit(self):
"""Initialize Streamlit's UI settings."""
st.set_page_config(
layout='wide',
page_title='lagent-web',
page_icon='./docs/imgs/lagent_icon.png')
# st.header(':robot_face: :blue[Lagent] Web Demo ', divider='rainbow')
st.sidebar.title('模型控制')
def setup_sidebar(self):
"""Setup the sidebar for model and plugin selection."""
model_name = st.sidebar.selectbox(
'模型选择:', options=['gpt-3.5-turbo','internlm'])
if model_name != st.session_state['model_selected']:
model = self.init_model(model_name)
self.session_state.clear_state()
st.session_state['model_selected'] = model_name
if 'chatbot' in st.session_state:
del st.session_state['chatbot']
else:
model = st.session_state['model_map'][model_name]
plugin_name = st.sidebar.multiselect(
'插件选择',
options=list(st.session_state['plugin_map'].keys()),
default=[list(st.session_state['plugin_map'].keys())[0]],
)
plugin_action = [
st.session_state['plugin_map'][name] for name in plugin_name
]
if 'chatbot' in st.session_state:
st.session_state['chatbot']._action_executor = ActionExecutor(
actions=plugin_action)
if st.sidebar.button('清空对话', key='clear'):
self.session_state.clear_state()
uploaded_file = st.sidebar.file_uploader(
'上传文件', type=['png', 'jpg', 'jpeg', 'mp4', 'mp3', 'wav'])
return model_name, model, plugin_action, uploaded_file
def init_model(self, option):
"""Initialize the model based on the selected option."""
if option not in st.session_state['model_map']:
if option.startswith('gpt'):
st.session_state['model_map'][option] = GPTAPI(
model_type=option)
else:
st.session_state['model_map'][option] = HFTransformerCasualLM(
'/root/model/Shanghai_AI_Laboratory/internlm-chat-7b')
return st.session_state['model_map'][option]
def initialize_chatbot(self, model, plugin_action):
"""Initialize the chatbot with the given model and plugin actions."""
return ReAct(
llm=model, action_executor=ActionExecutor(actions=plugin_action))
def render_user(self, prompt: str):
with st.chat_message('user'):
st.markdown(prompt)
def render_assistant(self, agent_return):
with st.chat_message('assistant'):
for action in agent_return.actions:
if (action):
self.render_action(action)
st.markdown(agent_return.response)
def render_action(self, action):
with st.expander(action.type, expanded=True):
st.markdown(
"<p style='text-align: left;display:flex;'> <span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'>插 件</span><span style='width:14px;text-align:left;display:block;'>:</span><span style='flex:1;'>" # noqa E501
+ action.type + '</span></p>',
unsafe_allow_html=True)
st.markdown(
"<p style='text-align: left;display:flex;'> <span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'>思考步骤</span><span style='width:14px;text-align:left;display:block;'>:</span><span style='flex:1;'>" # noqa E501
+ action.thought + '</span></p>',
unsafe_allow_html=True)
if (isinstance(action.args, dict) and 'text' in action.args):
st.markdown(
"<p style='text-align: left;display:flex;'><span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'> 执行内容</span><span style='width:14px;text-align:left;display:block;'>:</span></p>", # noqa E501
unsafe_allow_html=True)
st.markdown(action.args['text'])
self.render_action_results(action)
def render_action_results(self, action):
"""Render the results of action, including text, images, videos, and
audios."""
if (isinstance(action.result, dict)):
st.markdown(
"<p style='text-align: left;display:flex;'><span style='font-size:14px;font-weight:600;width:70px;text-align-last: justify;'> 执行结果</span><span style='width:14px;text-align:left;display:block;'>:</span></p>", # noqa E501
unsafe_allow_html=True)
if 'text' in action.result:
st.markdown(
"<p style='text-align: left;'>" + action.result['text'] +
'</p>',
unsafe_allow_html=True)
if 'image' in action.result:
image_path = action.result['image']
image_data = open(image_path, 'rb').read()
st.image(image_data, caption='Generated Image')
if 'video' in action.result:
video_data = action.result['video']
video_data = open(video_data, 'rb').read()
st.video(video_data)
if 'audio' in action.result:
audio_data = action.result['audio']
audio_data = open(audio_data, 'rb').read()
st.audio(audio_data)
def main():
“““展示了如何在Streamlit中管理UI元素、会话状态和用户交互,尤其是在构建类似聊天机器人的交互式Web应用时的应用结构。“““
logger = get_logger(__name__)
# Initialize Streamlit UI and setup sidebar
if 'ui' not in st.session_state:
session_state = SessionState()
session_state.init_state()
st.session_state['ui'] = StreamlitUI(session_state)
else:
st.set_page_config(
layout='wide',
page_title='lagent-web',
page_icon='./docs/imgs/lagent_icon.png')
# st.header(':robot_face: :blue[Lagent] Web Demo ', divider='rainbow')
model_name, model, plugin_action, uploaded_file = st.session_state[
'ui'].setup_sidebar()
# Initialize chatbot if it is not already initialized
# or if the model has changed
if 'chatbot' not in st.session_state or model != st.session_state[
'chatbot']._llm:
st.session_state['chatbot'] = st.session_state[
'ui'].initialize_chatbot(model, plugin_action)
for prompt, agent_return in zip(st.session_state['user'],
st.session_state['assistant']):
st.session_state['ui'].render_user(prompt)
st.session_state['ui'].render_assistant(agent_return)
# User input form at the bottom (this part will be at the bottom)
# with st.form(key='my_form', clear_on_submit=True):
if user_input := st.chat_input(''):
st.session_state['ui'].render_user(user_input)
st.session_state['user'].append(user_input)
# Add file uploader to sidebar
if uploaded_file:
file_bytes = uploaded_file.read()
file_type = uploaded_file.type
if 'image' in file_type:
st.image(file_bytes, caption='Uploaded Image')
elif 'video' in file_type:
st.video(file_bytes, caption='Uploaded Video')
elif 'audio' in file_type:
st.audio(file_bytes, caption='Uploaded Audio')
# Save the file to a temporary location and get the path
file_path = os.path.join(root_dir, uploaded_file.name)
with open(file_path, 'wb') as tmpfile:
tmpfile.write(file_bytes)
st.write(f'File saved at: {file_path}')
user_input = '我上传了一个图像,路径为: {file_path}. {user_input}'.format(
file_path=file_path, user_input=user_input)
agent_return = st.session_state['chatbot'].chat(user_input)
st.session_state['assistant'].append(copy.deepcopy(agent_return))
logger.info(agent_return.inner_steps)
st.session_state['ui'].render_assistant(agent_return)
if __name__ == '__main__':
root_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
root_dir = os.path.join(root_dir, 'tmp_dir')
os.makedirs(root_dir, exist_ok=True)
main()
就是说:
-
初始化日志记录器: 首先,使用 get_logger(name) 方法创建一个日志记录器,用于记录应用程序的运行情况。
-
初始化Streamlit UI和侧边栏:
- 检查 st.session_state 是否已经包含UI元素。如果不包含,则创建一个新的 SessionState 对象,并初始化UI。
- 如果已经包含UI元素,则设置页面配置,包括布局、页面标题和图标。
-
设置侧边栏: 从 st.session_state[‘ui’] 获取模型名称、模型、插件操作和上传的文件,并通过侧边栏进行设置。
-
初始化聊天机器人:
- 检查是否已经初始化了聊天机器人或者模型是否更改。
- 如果需要,通过UI对象初始化一个新的聊天机器人。
-
渲染用户和助手的对话: 遍历用户和助手的对话记录,调用UI方法来渲染对话内容。
-
用户输入表单:
- 在页面底部创建一个用户输入表单。当用户提交输入时,将该输入渲染到UI上,并将其添加到会话状态中。
- 处理上传的文件:
- 如果用户上传了文件,根据文件类型(图像、视频或音频)将文件内容渲染到页面上。
- 保存上传的文件:
- 使用 with open(file_path, ‘wb’) as tmpfile: 语句打开一个文件写入句柄。这里的 file_path 是上传文件的存储路径。
- 使用 tmpfile.write(file_bytes) 将上传的文件内容(字节)写入到指定的文件路径中。
- 显示文件保存位置:
- 通过 st.write(f’File saved at: {file_path}') 在Streamlit界面上显示文件已经保存的路径。
- 更新用户输入:
- 将用户原本的输入和上传文件的信息结合起来,形成新的用户输入。这里,如果用户上传了图像,那么用户的输入会被更新为包含文件路径和原始输入内容的字符串。
- 调用聊天机器人进行处理:
- 使用 agent_return = st.session_state[‘chatbot’].chat(user_input) 调用聊天机器人处理更新后的用户输入。这里的 chat 方法可能是对用户输入进行响应的函数。
- 渲染助手的回复:
- 将聊天机器人的回复添加到会话状态中,以便在界面上显示。
- 使用 st.session_state[‘ui’].render_assistant(agent_return) 渲染聊天机器人的回复到界面上。
- 日志记录:
- 使用 logger.info(agent_return.inner_steps) 记录聊天机器人处理过程的详细信息,这对于调试和监控应用程序非常有用。
浦语·灵笔图文理解创作 Demo
可以针对某一模块进行edit,增加新的个性化推荐内容或根据人提供的关键词进行发挥。
试了试关键词:浦语·灵笔,他真的很会打广告~~
多模态对话
表现可以
huggingface下载
报错:sh: 1: huggingface-cli: not found
参考:https://blog.csdn.net/weixin_40959890/article/details/129819257
修改配置文件,就可以继续下载啦: