菜鸟教程：从0开始离线部署私有大模型

最新推荐文章于 2024-07-09 15:10:56 发布

黑帽子唐哥

最新推荐文章于 2024-07-09 15:10:56 发布

阅读量1.6k

点赞数 27

文章标签： chatgpt 人工智能产品经理数据库 llama

本文链接：https://blog.csdn.net/weixin_59191169/article/details/138914531

版权

大模型的使用必将包含以下三个阶段：

1. 直接使用，用于提效

2. 使用 API 定制应用程序

3. 离线部署+微调，实现私有数据模型化

第一个阶段已经完成，作为技术者应该关注第二、三阶段。今天我们教大家从0开始离线部署私有大模型，过程十分详细，再菜的鸟都能学的会，记不住的点赞收藏，上机实操下。

1. 环境安装和配置

我们以清华大学开源的 ChatGLM-6B 语言模型为例。ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署。

实验使用的环境如下：

Windows11

13700KF

32G内存

RTX 3090 24G显存

ChatGLM-6B 可在最小 6GB 显存运行。如果没有合适的显卡或者想体验完整版，可以购买云服务商的 A100 GPU 服务器试用。以阿里云为例，最便宜的每小时 38 元左右。

2. 安装 Python

Python 官网下载并安装 Python，记得选上“Add python.exe to PATH”。

3. 安装 CUDA

由于 PyTorch 最新只能支持 11.8 的显卡驱动，不能安装最新版 CUDA。

在 Nvidia 官网下载 11.8 的 CUDA Toolkit Archive。

4. 安装 PyTorch

在 PyTorch 官网执行对应版本的安装命令。

5. 安装 git

从 git 官网下载 git。

6. 部署代码

使用下面git命令Clone 代码：

git clone https://github.com/THUDM

/ChatGLM-6B.git



  

【安装依赖】

  

cd ChatGLM-6B

pip install -r requirements.txt

【下载模型】

代码在执行时默认自动下载模型。如果没有使用魔法，你需要手动下载模型。在清华大学云盘下载模型，假设下载到 D:\chatglm-6b-models

7. 运行代码

启动 Python

ChatGLM-6B 返回了“你好👋！我是人工智能助手 ChatGLM-6B，很高兴见到你，欢迎问我任何问题。”。至此，大语言模型的离线部署就实现了。我们可以发挥我们的聪明才智，让它给我们工作了。

【长文本生成】

让 ChatGLM-6B 为我们生成一篇文章。

经过大约10秒钟后，文章生成。

运行结果看起来还是很不错的。

私有模型离线部署是指将机器学习模型部署到私有环境中，以保证数据安全和隐密性。这种部署方式适用于那些需要高度安全保障的行业，如金融、医疗、法律等。私有模型离线部署也具有很多优势，比如：

首先，私有化部署可以提供更好的数据安全性和隐密性，因为数据存储在本地服务器上，不会上传到云端，从而避免了数据泄露和攻击。

其次，私有化部署可以更好地满足企业定制化的需求，因为可以根据企业的特定需求和业务流程来定制开发模型和系统，提高管理效率和准确性。

此外，私有化部署还可以提高系统的可靠性和稳定性，因为本地服务器可以更好地控制环境和配置，减少外部因素对系统的影响。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

-END-