远程服务器AutoDL登录/配环境/部署运行大模型方法

1. AutoDL

autodl平台，是一个功能强大的本地大语言模型LLM运行专家,为用户提供了简单高效的方式来运行大型语言模型.通过优化设置和配置细节。
地址：AutoDL官方地址
AutoDL快速了解及上手教程：AutoDL使用教程

2. 登录远程服务器方式

登录远程服务器上传数据的方式的方式和工具有很多种，
详情参考AutoDL官网上传数据

2.1 方法一

用AutoDL自带的工具，如下图，进入JupyterLab，里面有终端工具，可以连接AuDL上的远程服务器。

2.2 方法二：Xshell和Xftp

2.2.1 复制SSH指令和密码
进入autoDL的控制台，进入自己租用的实例后，将SSH登录的登录指令和密码复制下来备用，SSH指令形如ssh -p 19267 root@connect.bjb1.seetacloud.com
，其中：

• root : 用户名
• connect.bjb1.seetacloud.com : 主机名
• 19267 : 端口号
  
  2.2.2 用Xshell和Xftp登录并传输文件
  Xshell和Xftp使用教程：B站上一个关于Xshell和Xftp较为完整全面的使用教程
  在Xshell->文件->新建中，新建一个会话，将主机号和端口号填写进去，点击确定
  
  输入密码后确定，出现下图则连接成功。
  
  
  在Xshell中打开Xftp
  
  左侧是本地电脑左面上的文件，右侧是远程服务器上的文件，可以通过拖拽的方式双边相互传输。
  

3. 远程服务器上的环境配置

参考之前的博客windows/linux系统下Anaconda3安装配置/创建删除虚拟环境/在特定虚拟环境下安装库
以及这篇AutoDL从0到1搭建stable-diffusion-webui
几个地址需要注意：
(1). 环境地址
先在默认路径下创建一个纯净的python环境，这个里面只有一些基础包，不含任何框架，在AutoDL远程服务器上，该环境的挂载目录为/root/miniconda3/envs

conda create -n llmft python=3.10

(3). 训练脚本地址
将自己在本地电脑上写的训练脚本，通过Xftp传输到远程服务器上，路径对应关系为，即挂载目录为/root/LLMFuntuning

(4). chatglm模型本身地址
这里用的是chatglm3-6b，可以用2种方式将大模型下载到远程服务器端
方法一
如果已经把大模型下载到了本地电脑上，那么可以通过Xftp拖拽到远程服务器上想要保存的路径下，传输速度6M/s，一个20G的模型大约需要1小时，还可以接收，如图。

这里将模型（本身较大，20G）挂载到了以下目录/root/autodl-tmp，这里解释一下autoDL提供的几个目录，autodl-tmp是数据盘，大小为100G，用于存在用户的个人数据，/root根目录下的文件，为系统盘，在系统盘存放训练文件xx并且在数据盘下存在模型xx后，存储空间占用情况如下。

模型传输完成后，对比一下，本地电脑和远程服务器端，文件结构完全一致，没有遗漏。

方法二
从网上下载，关于如何快速下载大模型，可以参考之前的博客如何快速下载大模型
也可以参考这篇AutoDL从0到1搭建stable-diffusion-webui
值得指出的是，开启学术加速要快很多，否则很慢甚至下载不了，开启方式

# 开启学术加速
source /etc/network_turbo
# 关闭学术加速
unset http_proxy && unset https_proxy

4 微调模型

在运行中遇到的问题

1. 报错：ValueError: FP16 Mixed precision training with AMP or APEX (--fp16) and FP16 half precision evaluation (--fp16_full_eval) can only be used on CUDA or MLU devices or NPU devices or certain XPU devices (with IPEX).
   原因及解决方案：使用AutoDL过程中，由于只是传输数据，并不进行训练，因此选择了无卡开机模式，导致没有GPU可用，重新关机在开机即可。
   如果遇到关机再开发后GPU资源不足，则选择克隆镜像，然后再在可用的区域重新选择实例即可，大约需要5分钟，就会将所配置的环境、模型等完全克隆到新的实例上，还是比较方便的。
   
2. 报错：NotImplementedError: Using RTX 4000 series doesn’t support faster communication broadband via P2P or IB. Please set NCCL_P2P_DISABLE="1" and NCCL_IB_DISABLE="1" or use accelerate launch` which will do this automatically.
   原因及解决方案：表示尝试使用的功能或方法在当前环境或上下文中尚未实现。在这个具体的错误信息中，它指出使用 NVIDIA RTX 4000 系列的显卡时，不支持更快的通信（faster communicat）。这可能是指在使用某些深度学习框架（如 PyTorch）进行分布式训练时，尝试利用 NCCL 后端进行跨 GPU 的更高效通信，但是 RTX 4000 系列的显卡不支持这种更快的通信方式。
   在终端运行以下两个命令：

export NCCL_P2P_DISABLE="1"
export NCCL_IB_DISABLE="1"

微调训练结束后，会出现一个lora微调的参数文件，需要将新的参数与原始模型合并，合并完成后，能够在预先指定的路径中看到一系列模型文件

5. 运行微调后的模型

step1: 直接在gihub上clone chatglm3的仓库
cd 到autodl-tmp目录下，运行以下git命名

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

在autodl-tmp下创建项目ChatGLM3
为ChatGLM3这个项目创建一个单独的叫做envChatGLM3的环境，环境的位置为默认即可

conda create -n envChatGLM3 python=3.10

cd到ChatGLM3项目路径下，安装requirements.txt

pip install -r requirements.txt

环境创建完毕！
ChatGLM3这个项目文件目录主要关注以下两个文件夹

• basic_demo：
  cli_demo.py：用于命令行方式运行大模型，修改下面位置，将其替换成自己合并完成的模型的路径
  
  cd到/root/autodl-tmp/ChatGLM3/basic_demo路径下，用以下命令运行微调后的大模型
  不要忘记激活相应的环境！

conda activate envChatGLM3

python cli_demo.py

运行效果如下：
用户： 向上3厘米
ChatGLM: tcp_move_up(3)
输出正确！！

使用类似autoDL这样的云服务器弊端：

1. 不能科学上网，例如，连接OPENAI就连不上，无法调用OPENAI的API