书生·浦语大模型趣味 Demo 第二课实战

嘻嘻嘻577

已于 2024-06-19 10:58:58 修改

阅读量1.7k

点赞数 28

文章标签：人工智能语言模型

于 2024-06-06 22:14:12 首次发布

本文链接：https://blog.csdn.net/weixin_62638966/article/details/139497220

版权

基础作业

1、部署 InternLM2-Chat-1.8B 模型进行智能对话

1.1配置基础环境

1.2下载 InternLM2-Chat-1.8B 模型

1.3 运行cli_demo

300字小故事截图

2、书生·浦语Web对话

3、实战部署实战营优秀作品八戒-Chat-1.8B 模型

基础作业

1、部署 InternLM2-Chat-1.8B 模型进行智能对话

1.1配置基础环境

打开 Intern Studio 界面 → 创建开发机&配置（开发机名称、Cuda11.7-conda 镜像、资源配置选择10% A100 * 1） → 立即创建 → 进入开发机（排队等待）

进入开发机后，在 terminal 中输入环境配置命令 (配置环境时间较长，需耐心等待)

studio-conda -o internlm-base -t demo
# 与 studio-conda 等效的配置方案
# conda create -n demo python==3.10 -y
# conda activate demo
# conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

配置完成后，进入到新创建的 conda 环境之中

conda activate demo

安装完成环境包的安装：

huggingface-hub==0.17.3、transformers==4.34、psutil==5.9.8、accelerate==0.24.1、streamlit==1.32.2、matplotlib==3.8.3、modelscope==1.9.5、sentencepiece==0.1.99

pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

1.2下载 InternLM2-Chat-1.8B 模型

按路径创建文件夹，并进入到对应文件目录中：

mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo

双击打开 /root/demo/download_mini.py 文件，复制输入以下代码并保存：

import os
from modelscope.hub.snapshot_download import snapshot_download
# 创建保存模型目录
os.system("mkdir /root/models")

# save_dir是模型保存到本地的目录
save_dir="/root/models"

snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", 
                  cache_dir=save_dir, 
                  revision='v1.1.0')

执行命令，下载模型参数文件：

python /root/demo/download_mini.py

1.3 运行cli_demo

打开 /root/demo/cli_demo.py 文件，复制粘贴以下代码并保存

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


model_name_or_path = "/root/models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
model = model.eval()

system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""

messages = [(system_prompt, '')]

print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")

while True:
    input_text = input("\nUser  >>> ")
    input_text = input_text.replace(' ', '')
    if input_text == "exit":
        break

    length = 0
    for response, _ in model.stream_chat(tokenizer, input_text, messages):
        if response is not None:
            print(response[length:], flush=True, end="")
            length = len(response)

输入命令，执行Demo程序：

conda activate demo
python /root/demo/cli_demo.py

等待模型加载完成

300字小故事截图

指令：请创作一个300 字的小故事

2、书生·浦语Web对话

书生·浦语 Web 1处表现不佳案例：复杂家庭关系，推理过程中容易出错（截图如下）

叔公应该是爷爷的兄弟，叔公的侄女跟我爸爸是同辈（堂兄妹/姐弟），应该是我的堂姑。

3、实战部署实战营优秀作品 `八戒-Chat-1.8B` 模型

八戒-Chat-1.8B 模型简单介绍：

八戒-Chat-1.8B 利用《西游记》剧本中所有关于猪八戒的台词和语句以及 LLM API 生成的相关数据结果，全量微调后得到的猪八戒聊天模型。作为 Roleplay-with-XiYou 子项目之一，八戒-Chat-1.8B 以较低的训练成本达到不错的角色模仿能力，同时低部署条件为后续工作降低算力门槛。

配置基础环境

运行环境命令

conda activate demo

使用git命令获取仓库内的Demo文件

cd /root/
git clone https://gitee.com/InternLM/Tutorial -b camp2
# git clone https://github.com/InternLM/Tutorial -b camp2
cd /root/Tutorial

下载运行 Chat-八戒 Demo

在 Web IDE中执行bajie_download.py

python /root/Tutorial/helloworld/bajie_download.py

程序下载完后，输入运行命令

streamlit库用于快速创建数据驱动的Web应用的框架。

作用：在本地机器上以指定的IP地址和端口号启动一个Streamlit应用，并且通过SSH隧道使该应用可以从远程机器上访问。

streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006

待程序运行的同时，对端口环境配置本地 PowerShell。

# 从本地使用 ssh 连接 studio 端口
# 将下方端口号 38374 替换成自己的端口号
ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 38374

输完密码OK之后，打开 http://127.0.0.1:6006 ，等待加载完成即可进行对话

对话结果（截图）

进阶作业

熟悉huggingface 下载模型

Hugging Face 的介绍 / 主要特点：

专注于NLP领域开源社区：Hugging Face 拥有活跃的社区，社区成员贡献了大量的预训练模型和数据集。用户可以在这个平台上下载、上传和分享预训模型。
模型库：提供了超过100,000个预训练模型，涵盖了多种语言和NLP任务，如文本分类、情感分析、机器翻译等
Hugging Face Hub：类似于机器学习领域的 GitHub，可以分享和发现模型和数据集。
Transformers 库：Hugging Face 开发的 Python 库，用于训练和使用 transformer 模型。

Python 的 huggingface_hub库：huggingface_hub库是Hugging Face官方提供的 Python 库，是连接代码和 Hugging Face Hub 的桥梁。可以方便地下载/上传模型、管理仓库等，类似于机器学习领域的 GitHub。

huggingface_hub库下载InternLM2-Chat-7B的 config.json文件到本地，截图如下：

首先下载huggingface_hub库：pip install -U huggingface_hub ，

然后用 hf_hub_download模块下载 InternLM2-Chat-7B的 config.json文件至本地。

Lagent调用数据分析Demo部署

Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。

Lagent框架图：

Lagent工具调用数据分析 Demo部署（截图）

浦语·灵笔2

图文创作

视觉问答

作业要求

作业要求：Tutorial/helloworld/homework.md at camp2 · InternLM/Tutorial · GitHub

实战课程指导：Tutorial/helloworld/hello_world.md at camp2 · InternLM/Tutorial · GitHub

嘻嘻嘻577

关注

28
点赞
踩
43

收藏

觉得还不错? 一键收藏
1
评论
书生·浦语大模型趣味 Demo 第二课实战

八戒-Chat-1.8B 利用《西游记》剧本中所有关于猪八戒的台词和语句以及 LLM API 生成的相关数据结果，全量微调后得到的猪八戒聊天模型。作为 Roleplay-with-XiYou 子项目之一，八戒-Chat-1.8B 以较低的训练成本达到不错的角色模仿能力，同时低部署条件为后续工作降低算力门槛。
复制链接

扫一扫