InternLM 实战营 第二课——轻松玩转书生·浦语大模型趣味 Demo

趣味Demo任务列表

本节课可以让同学们实践 4 个主要内容，分别是：

部署 InternLM2-Chat-1.8B 模型进行智能对话
部署实战营优秀作品 八戒-Chat-1.8B 模型
通过 InternLM2-Chat-7B 运行 Lagent 智能体 Demo
实践部署 浦语·灵笔2 模型

目前完成了前三个。

部署 InternLM2-Chat-1.8B 模型进行智能对话

配置环境：
首先，打开 Intern Studio 界面，点击 创建开发机 配置开发机系统。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。

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：
（这里一定注意，退出后要重新进入conda环境，新手容易忽略）

conda activate demo

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

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')

执行命令，下载模型参数文件：

python /root/demo/download_mini.py

运行cli_demo
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)

输入命令，执行 Demo 程序：

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

运行效果如下;

InternLM2-Chat-1.8B 模型生成 300 字的小故事

部署实战营优秀作品 八戒-Chat-1.8B 模型

简单介绍 八戒-Chat-1.8B、Chat-嬛嬛-1.8B、Mini-Horo-巧耳（实战营优秀作品）
八戒-Chat-1.8B、Chat-嬛嬛-1.8B、Mini-Horo-巧耳 均是在第一期实战营中运用 InternLM2-Chat-1.8B 模型进行微调训练的优秀成果。其中，八戒-Chat-1.8B 是利用《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，进行全量微调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 能够以较低的训练成本达到不错的角色模仿能力，同时低部署条件能够为后续工作降低算力门槛。

具体模型链接如下：
八戒-Chat-1.8B：https://www.modelscope.cn/models/JimmyMa99/BaJie-Chat-mini/summary
Chat-嬛嬛-1.8B：https://openxlab.org.cn/models/detail/BYCJS/huanhuan-chat-internlm2-1_8b
Mini-Horo-巧耳：https://openxlab.org.cn/models/detail/SaaRaaS/Horowag_Mini

运行结果如下：

实战：使用 Lagent 运行 InternLM2-Chat-7B 模型

Lagent 相关知识:
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。它的整个框架图如下:

Lagent的特性总结如下：

• 流式输出：提供stream_chat接口作流式输出，本地可以进行酷炫的流式演示。
• 接口统一，设计全面升级，提升拓展性，包括：
  – 模型：必须是OpenAI API，变形金刚还是推理加速框架LMDeploy一网打尽，模型切换可以游刃有余；
  – 行动：简单的继承和装饰，即可打造自己的个人工具集，配备 InternLM 还是 GPT 护士装备；
  – Agent：与模型的输入接口保持一致，模型到智能体的转变只需一步，方便各种agent的探索实现；
• 文档全面升级，API文档全覆盖。

运行结果如下：

实战：实践部署 浦语·灵笔2 模型

XComposer2介绍
浦语·灵笔2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，具有非凡的图文写作和图像理解能力，在多个应用场景中表现出色，总结出其具有：

• 自由指令输入的图文编写能力：浦语·灵笔2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，为用户制作图文并貌的独特文章。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。
• 准确的图文问题解答能力：浦语·灵笔2拥有海量图文知识，可以准确的回复各种图文问答题，在识别、感知、细节描述、视觉推理等能力上表现惊人。
• 杰出的综合能力：浦语·灵笔2-7B基于书生·浦语2-7B模型，在13项多模态足球中引人注目地领先同级多模态模型，其中6项多模态足球中超过GPT-4V和Gemini Pro。

运行结果如下：

遇到的一些小问题

在进行“实战：使用 Lagent 运行 InternLM2-Chat-7B 模型”时遇到了一些小问题：
1 ssh连接失败
问题描述：在进行 PowerShell 连接时，一直refuse。
解决方案：尝试了网上的各种方式，都没成功。后来换了一个电脑进行ssh连接就可以了。失败的电脑是win10系统，成功的是win11。

2 ModuleNotFoundError
问题描述：运行internlm2_agent_web_demo_hf.py 时，显示“ModuleNotFoundError: No module named ‘lagent’”
解决方案：pip install lagent
操作参考：https://github.com/InternLM/Tutorial/blob/camp2/helloworld/hello_world.md