第二课轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

最新推荐文章于 2024-07-08 21:35:13 发布

wu 敌

最新推荐文章于 2024-07-08 21:35:13 发布

阅读量834

点赞数 15

文章标签：学习

本文链接：https://blog.csdn.net/wudiyjnewway/article/details/139255282

版权

第二课轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

基础作业 (结营必做)

说明一下：因为前期本人配置过程都没有截图保存，重新再配置一遍截图实在没有必要，因此，前期配置过程都是使用的https://github.com/InternLM/Tutorial/blob/camp2/helloworld/hello_world.md的配置截图，最后结果是本人用的自己的复现结果来截图的，各位大佬见谅！）

使用 `InternLM2-Chat-1.8B` 模型生成 300 字的小故事（需截图）

配置基础环境
说实话，配置机器的大语言模型开发环境真的是一项非常复杂的工作，你首先得有一个nvidia的可以用来完成机器学习工作的显卡（没错，显卡的型号决定你能不能完成环境的配置），然后根据对应的显卡新号，安装nvidia显卡的版本驱动，安装cuda、cudnn，pytorch、torchvision、torchaudio等，并且，如果你是windows的系统，你还得安装vs2022等编译工具，有些python的安装包还不支windows平台，本人花了至少一个星期的时间，才基本完成在自己电脑上（win系统）的基础环境配置。所以，如果是新手，强烈建议在Intern-studio的平台上使用虚拟机配置环境，该平台上大佬们基本配置好了安装的最最最基础环境，至少可以让你在配置环境并运行的过程中节约大量的时间。下面就简单介绍一下在Intern-studio平台的配置方法。

1）首先，打开 Intern Studio 界面，点击创建开发机配置开发机系统。

在这里插入图片描述
2）填写开发机名称后，点击选择镜像使用 Cuda11.7-conda 镜像，然后在资源配置中，使用 10% A100 * 1 的选项，然后立即创建开发机器。

3）点击进入开发机选项。

4）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

在这里插入图片描述

5）配置完成后，进入到新创建的 conda 环境之中：

conda activate demo

6）输入以下命令，完成环境包的安装：

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

至此，在虚拟机上的环境基础环境配置完成了！在虚拟机器上，配置基础环境我大概只用了2-3个小时左右，相对之前在自己机器上配置模型的一个星期，真的让我欲哭无泪呀。

下载 InternLM2-Chat-1.8B 模型

1）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

2）通过左侧文件夹栏目，双击进入 demo 文件夹。
在这里插入图片描述

3）双击打开 /root/demo/download_mini.py 文件，复制以下代码，：

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')

该段代码主要是用来执行下载internlm2-chat-1_8b模型的任务，这一步也可以通过hugging_face的包在hugging_face的网站上下载相应的模型文件，但是因为科学上网的限制，练习时可以使用上述代码直接在国内环境下下载。

4）执行命令，下载模型参数文件。

运行 cli_demo

1）双击打开 /root/demo/cli_demo.py 文件，复制以下代码：

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)

2）输入命令，执行 Demo 程序：

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

3）等待模型加载完成，键入内容示例：“请创作一个 300 字的小故事”。
在这里插入图片描述
最后，模型就可以跟你对话生成故事啦。效果见上图。

使用书生·浦语 Web 和浦语对话，和书生·浦语对话，并找到书生·浦语 1 处表现不佳的案例(比如指令遵循表现不佳的案例)，提交到问卷

在这里插入图片描述
在问答过程中，要求回答一些专业的航海类知识时，无法给出准确答案。相对而言，目前国内市场上有些大模型可以搜索互联网上的一些文档，找到专业知识，并准确回答一些专业化的知识。此处的准确答案为：根据避碰规则，失控船舶应在最易见处，垂直挂两盏环照红灯。

进阶作业

熟悉 huggingface 下载功能，使用 huggingface_hub python 包，下载 InternLM2-Chat-7B 的 config.json 文件到本地

这一部分需要科学上网，使用InternStudio的开发机平台貌似不太可能完成，只能用自己本地电脑上配置好了相关的环境以及网络环境（不得不说，win11平台配置环境真的难得一批，哭死，好不容易调好了，想在win平台上配置环境的同学得做好各种各样的准备，这里本人就不多做介绍了，有兴趣可以私聊），包括pycharm编译器，pytorch，cuda等，这里直接演示了。

第一步，当然是安装huggingface_hub的安装包。pip install huggingface_hub，这里我已经安装好了，同志们自己执行代码安装就好了。

在这里插入图片描述

第二步，在配置好的环境的项目文件夹下，新建一个下载hugging_face上模型的python文件，本人命名为dwn_internlm2-7b_json.py，填入如下代码。

import os
from huggingface_hub import hf_hub_download  # Load model directly
hf_hub_download(repo_id="internlm/internlm2-7b", filename="config.json",local_dir="D:\\anaconda\envs\pytorch\internlm2-7b")

以上代码需要说明的是：local_dir="D:\anaconda\envs\pytorch\internlm2-7b"是指定下载文件在本地的路径，大佬们可自行指定，若不存在则会自动创建，建议创建在相应项目文件夹下的指定路径，方便寻找以及后续调用模型。

第三步：执行dwn_internlm2-7b_json.py文件，则可从下图看到执行成功，pycharm已经将config文件下载到指定的D:\anaconda\envs\pytorch\internlm2-7b文件夹下。

完成浦语·灵笔2 的图文创作及视觉问答部署（需截图）

简介：浦语·灵笔2 是基于书生·浦语2 大语言模型研发的突破性的图文多模态大模型，其主要可实现的功能为：一是可以理解自由形式的图文指令输入，包括大纲、文章细节要求、参考图片等，为用户打造图文并貌的专属文章。生成的文章文采斐然，图文相得益彰，提供沉浸式的阅读体验。二是具有海量图文知识，可以准确的回复各种图文问答难题，在识别、感知、细节描述、视觉推理等能力上表现惊人。配置应用的主要步骤如下：
1、配置基础环境，需要选用 50% A100 的基础环境进行开发：
在这里插入图片描述
2、进入开发机，启动 conda 环境：

conda activate demo
# 补充环境包
pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5

3、下载 InternLM-XComposer 仓库相关的代码资源：

cd /root/demo
git clone https://gitee.com/internlm/InternLM-XComposer.git
# git clone https://github.com/internlm/InternLM-XComposer.git
cd /root/demo/InternLM-XComposer
git checkout f31220eddca2cf6246ee2ddf8e375a40457ff626

4、在 terminal 中输入指令，构造软链接快捷访问方式：

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-7b /root/models/internlm-xcomposer2-7b
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-7b /root/models/internlm-xcomposer2-vl-7b

5、继续输入指令，用于启动 InternLM-XComposer：

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_composition.py  \
--code_path /root/models/internlm-xcomposer2-7b \
--private \
--num_gpus 1 \
--port 6006

6、待程序运行的同时，对端口环境配置本地 PowerShell 。使用快捷键组合 Windows + R（Windows 即开始菜单键）打开Windows PowerShell，（Mac 用户打开终端即可）：
在这里插入图片描述
7、打开 PowerShell 后，先查询端口，再根据端口键入命令：（本文中的端口号如下图所示为33296）

# 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 33296

8、再复制下方的密码，输入到 password 中，直接回车：
在这里插入图片描述
9、最终保持在如下效果即可：

10、打开 http://127.0.0.1:6006 ，作业要求的实践效果如下图所示：

11、关闭并重新启动一个新的 terminal，继续输入指令，启动 InternLM-XComposer2-vl：

conda activate demo

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_chat.py  \
--code_path /root/models/internlm-xcomposer2-vl-7b \
--private \
--num_gpus 1 \
--port 6006

12、打开 http://127.0.0.1:6006 (本文上传了自己的一张关于黄浦江船舶航行的图片) ，并键入内容如下：“请分析一下图中内容”。最终得到的结果如下：
在这里插入图片描述

通过以上对图片分析，浦语灵笔2的性能确实有一点出乎我的想象，首先，她居然能分析出图片中的位置实在黄浦江上；其次，能分辨出船舶是朝向同一个方向行驶；最后，能加入一些适当的文学点缀，形成一段可圈可点的小作文。由此可见浦语灵笔2的多模态能力效果出乎意料的好。

完成 Lagent 工具调用数据分析 Demo 部署（需截图）

1、lagent简介
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。她的特性总结如下：一是流式输出：提供 stream_chat 接口作流式输出，本地就能演示酷炫的流式 Demo。二是接口统一：包括：1）Model : 不论是 OpenAI API, Transformers 还是推理加速框架 LMDeploy 一网打尽，模型切换可以游刃有余；2）Action: 简单的继承和装饰，即可打造自己个人的工具集，不论 InternLM 还是 GPT 均可适配；3）Agent：与 Model 的输入接口保持一致，模型到智能体的蜕变只需一步，便捷各种 agent 的探索实现；三是文档全面升级，API 文档全覆盖。

2、具体的配置及应用实践
1）配置基础环境（需要开启 30% A100 虚拟机性能）上文中已有配置的虚拟机的说明，这里不再演示。
2）开启开发机，输入命令，开启 conda 环境

conda activate demo

3）使用 git 命令下载 Lagent 相关的代码库：

git clone https://gitee.com/internlm/lagent.git
# git clone https://github.com/internlm/lagent.git
cd /root/demo/lagent
git checkout 581d9fb8987a5d9b72bb9ebd37a95efd47d479ac
pip install -e . # 源码安装

4）使用 Lagent 运行 InternLM2-Chat-7B 模型为内核的智能体
Intern Studio 在 share 文件中预留了实践章节所需要的所有基础模型，包括 InternLM2-Chat-7b 、InternLM2-Chat-1.8b 等等。本文则根据课程提示实验。

5）打开 lagent 路径，在 terminal 中输入指令，构造软链接快捷访问方式：

cd /root/demo/lagent

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b

6）打开 lagent 路径下 examples/internlm2_agent_web_demo_hf.py 文件，并修改对应位置 (71行左右) 代码：

# 其他代码...
value='/root/models/internlm2-chat-7b'
# 其他代码...

在这里插入图片描述
7）输入运行命令 - 点开 6006 链接后，大约需要 5 分钟完成模型加载：

streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006

8）待程序运行的同时，对端口环境配置本地 PowerShell 。使用快捷键组合 Windows + R（Windows 即开始菜单键）打开Windows PowerShell，（Mac 用户打开终端即可）：
在这里插入图片描述
9）打开 PowerShell 后，先查询端口，再根据端口键入命令（本文端口为 33296）：

# 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 33296

10）再复制下方的密码，输入到 password 中，直接回车：
在这里插入图片描述
最终保持在如下效果即可：

11）打开 http://127.0.0.1:6006 后，（会有较长的加载时间）勾上数据分析，最后实践运行，得到实践结果。

wu 敌

关注

15
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
第二课轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

第二课轻松玩转书生·浦语大模型趣味 Demo 实践以及作业。
复制链接

扫一扫

第二课 轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

第二课 轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

基础作业 (结营必做)

使用 InternLM2-Chat-1.8B 模型生成 300 字的小故事（需截图）

使用书生·浦语 Web 和浦语对话，和书生·浦语对话，并找到书生·浦语 1 处表现不佳的案例(比如指令遵循表现不佳的案例)，提交到问卷

进阶作业

熟悉 huggingface 下载功能，使用 huggingface_hub python 包，下载 InternLM2-Chat-7B 的 config.json 文件到本地

完成 浦语·灵笔2 的 图文创作 及 视觉问答 部署（需截图）

完成 Lagent 工具调用数据分析 Demo 部署（需截图）

“相关推荐”对你有帮助么？

第二课轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

第二课轻松玩转书生·浦语大模型趣味 Demo 实践以及作业

使用 `InternLM2-Chat-1.8B` 模型生成 300 字的小故事（需截图）

完成浦语·灵笔2 的图文创作及视觉问答部署（需截图）