第二次课程官方操作文档:Tutorial/helloworld/hello_world.md at camp2 · InternLM/Tutorial · GitHub
第二次课程录播链接:轻松玩转书生·浦语大模型趣味 Demo_哔哩哔哩_bilibili
一、部署 InternLM2-Chat-1.8B
模型进行智能对话
1配置基础环境
打开 InternStudio 界面,点击 创建开发机 配置开发机系统。
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。
点击 进入开发机
选项。
进入开发机后,三种开发模式,老师选的是jupyter lab
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
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
2 下载 InternLM2-Chat-1.8B
模型
创建demo文件夹
mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo
点击左侧列表的文件夹,发现创建好的demo文件夹,点击进入该文件夹,打开download_mini.py文件,输入代码,按ctrls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')
回到root intern,输入以下命令,下载模型文件参数:
python /root/demo/download_mini.py
模型就下载好了
3 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)
然后再运行demo程序:
conda activate demo
python /root/demo/cli_demo.py
(这一步黑标闪了很久,我还以为卡住了,必须要等到user出来)
然后输入
请创作一个 300 字的小故事
基础作业
完成,输入exit退出
二、部署实战营优秀作品 八戒-Chat-1.8B
模型
1配置基础环境
先激活demo环境
conda activate demo
使用 git
命令来获得仓库内的 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
2下载运行 Chat-八戒 Demo
下载
python /root/Tutorial/helloworld/bajie_download.py
运行
streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006
URL就拿到了,接下来需要配本地的powershell
使用快捷键组合 Windows + R
(Windows 即开始菜单键)打开指令界面,并输入命令,按下回车键。打开 PowerShell 后,先回到开发机首页点击SSL连接查看端口,记下自己的端口号,回到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
把38374改成自己的端口号
这要注意,把密码ctrlc之后,在powershell里直接右键点一下,然后回车,不需要ctrlv!不需要ctrlv!不需要ctrlv!如果ctrlv的话是会出问题的
powershell界面如上就可以打开URL了,等URL打开也需要一段时间
好了 猪猪聊天完成,回到root intern,按ctrl c 退出
三、实战:使用 Lagent
运行 InternLM2-Chat-7B
模型(开启 30% A100 权限后才可开启此章节)
回到首页,必须先关闭开发机,将资源配置由10%A100调整为30%A100
注意,此部分需要先加飞书群,在飞书表格里完成笔记1后,再在群里跟小助手申请GPU额度,不然GPU额度就是1
https://aicarrier.feishu.cn/wiki/TqjawZsoqiiRXEkRpcScmKAAn8d?table=tblNCUy9PeGmgd9I&view=vewQagjCL1
1配置基础环境
还是先激活环境
conda activate demo
打开子路径
cd /root/demo
使用 git 命令下载 Lagent 相关的代码库(要等一段时间):
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
2使用 Lagent
运行 InternLM2-Chat-7B
模型为内核的智能体
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:
打开 lagent 路径:
cd /root/demo/lagent
构造软链接快捷访问方式:
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b
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...
输入运行命令
streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006
点开 6006 链接后,大约需要 5 分钟完成模型加载,与此同时再一次配置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
打开 http://127.0.0.1:6006 后,(会有较长的加载时间)勾上数据分析,进行计算方面的 Demo 对话
数据分析
回到root ctrlc退出
四、实践部署 浦语·灵笔2
模型(开启 50% A100 权限后才可开启此章节)
4.1图片写作实战
配好端口打开 http://127.0.0.1:6006图文生成完成:
4.2 图片理解实战
五、总结
1.了解第一期实战营的优秀项目
根据实战营的优秀项目和几篇论文,浅总结模型角色训练的步骤是:
- 整理出一份高质量的对话形式的数据集(小说可以抽取GitHub - KMnO4-zx/extract-dialogue: 从小说中提取对话数据集、不够的可以让chat gpt生成一些对话)
- 微调个性化模型(pth转hugging face)
- 部署
2.如何部署自定义模型
- 配置环境
- 运行环境
- 下载github模型文件
- 运行模型
- 使用lagent框架运行7B模型:streamlit run命令方式
- 配置SSH连接本地环境