浦语大模型趣味Demo

weixin_42112760

于 2024-01-08 20:26:43 发布

阅读量856

点赞数 17

分类专栏： InternLLM 文章标签：语言模型

本文链接：https://blog.csdn.net/weixin_42112760/article/details/135451212

版权

InternLLM 专栏收录该内容

7 篇文章 1 订阅

订阅专栏

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

在这里插入图片描述

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。

模型生成故事
exit退出后还可以查看gpu占用：
在这里插入图片描述
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。
在这里插入图片描述
web_demo.py

Lagent 智能体工具调用 Demo

在这里插入图片描述
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：
在这里插入图片描述

# 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

在这里插入图片描述
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
在这里插入图片描述

huggingface下载

在这里插入图片描述
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：

weixin_42112760

关注

17
点赞
踩
20

收藏

觉得还不错? 一键收藏
0
评论
浦语大模型趣味Demo

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。
复制链接

扫一扫

专栏目录