如何在本地部署运行ChatGLMS-6B

sockstack / 113 / 2023-11-07 13:01:27

<p><span style="color: red; font-size: 18px">ChatGPT 可用网址，仅供交流学习使用，如对您有所帮助，请收藏并推荐给需要的朋友。</span><br><a href="https://ckai.xyz/?sockstack&section=detail" target="__blank">https://ckai.xyz</a><br><br></p> <article class="baidu_pl"><div id="article_content" class="article_content clearfix">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/kdoc_html_views-1a98987dfd.css">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/ck_htmledit_views-25cebea3f9.css">
<div id="content_views" class="htmledit_views">
<p>在本篇技术博客中，将展示如何在本地获取运行代码和模型，并配置环境以及 Web GUI，最后通过 Gradio 的网页版 Demo 进行聊天。</p> 
<h1>官方介绍</h1> 
<p>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（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答，更多信息请参考我们的博客。</p> 
<p>为了方便下游开发者针对自己的应用场景定制模型，我们同时实现了基于 P-Tuning v2 的高效参数微调方法 (使用指南) ，INT4 量化级别下最低只需 7GB 显存即可启动微调。</p> 
<p>不过，由于 ChatGLM-6B 的规模较小，目前已知其具有相当多的局限性，如事实性/数学逻辑错误，可能生成有害/有偏见内容，较弱的上下文能力，自我认知混乱，以及对英文指示生成与中文指示完全矛盾的内容。请大家在使用前了解这些问题，以免产生误解。更大的基于 1300 亿参数 GLM-130B 的 ChatGLM 正在内测开发中。</p> 
<h1>获取运行代码</h1> 
<p>首先，您需要从 GitHub 仓库下载 ChatGLM-6B 的代码。您可以使用以下链接进行下载：GitHub - THUDM/ChatGLM-6B: ChatGLM-6B: An Open Bilingual Dialogue Language Model | 开源双语对话语言模型。</p> 
<p>将仓库下载到本地任意位置（例如 D:/codehub/ChatGLM-6B）。</p> 
<h1>获取模型</h1> 
<p>接下来，您需要从 Hugging Face 下载 ChatGLM-6B 模型。您可以使用以下链接进行下载：</p> 
<ul>
<li>chatglm-6b：THUDM/chatglm-6b · Hugging Face</li>
<li>chatglm-6b-int8：THUDM/chatglm-6b-int8 · Hugging Face</li>
<li>chatglm-6b-int4：THUDM/chatglm-6b-int4 · Hugging Face</li>
</ul> 
<p>将模型下载到本地任意位置（例如 D:/codehub/models）。</p> 
<h1>硬件需求</h1> 
<table><tbody>
<tr>
<td> <p>量化等级</p> </td>
<td> <p>最低 GPU 显存</p> <p>（推理）</p> </td>
<td> <p>最低 GPU 显存</p> <p>（高效参数微调）</p> </td>
</tr>
<tr>
<td> <p>FP16（无量化）</p> </td>
<td> <p>13 GB</p> </td>
<td> <p>14 GB</p> </td>
</tr>
<tr>
<td> <p>INT8</p> </td>
<td> <p>8 GB</p> </td>
<td> <p>9 GB</p> </td>
</tr>
<tr>
<td> <p>INT4</p> </td>
<td> <p>6 GB</p> </td>
<td> <p>7 GB</p> </td>
</tr>
</tbody></table> 
<h1>环境配置</h1> 
<p>在开始使用 ChatGLM-6B 进行聊天之前，您需要进行环境配置。下面是必要的步骤：</p> 
<ul>
<li>安装 Python3。</li>
<li>安装 ChatGLM-6B 运行所需要的 Python 组件依赖。在命令行中进入 ChatGLM-6B 文件夹（例如 cd D:/codehub/ChatGLM-6B），并运行以下命令：</li>
</ul> 
<pre><code>pip install -r requirements.txt</code></pre> 
<ul><li>安装 GPU 版本的 PyTorch。由于通过 requirements.txt 中的 PyTorch 默认下载的是 CPU 版本，如果您想使用 GPU 运行模型，您需要先卸载并安装 GPU 版本的 PyTorch。您可以从 PyTorch 官网（PyTorch）下载本地环境对应的 PyTorch。</li></ul> 
<p><img referrerpolicy="no-referrer"  alt="" height="311" src="https://img-blog.csdnimg.cn/e76a99c8a6834b6cb57e8ed45286e78b.png" width="812"></p> 
<p>例如，在 Windows 10 上安装 CUDA 版本为 11.8 的 PyTorch，可以运行以下命令：</p> 
<pre><code>pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118</code></pre> 
<ul><li>安装 NVIDIA CUDA 工具包。您可以从 CUDA 官方下载地址（CUDA Toolkit Archive | NVIDIA Developer）下载本地环境对应的CUDA版本。请注意确保选择和 PyTorch 对应的 CUDA 版本，否则 PyTorch 将无法正常运行。</li></ul> 
<p><img referrerpolicy="no-referrer"  alt="" height="521" src="https://img-blog.csdnimg.cn/72332b45b3ff41ae80928a89c8ede8bc.png" width="1146"></p> 
<h1>配置 WebUI 并运行</h1> 
<p>最后，我们需要配置 WebUI 并运行 Gradio 的网页版 Demo。请按照以下步骤操作：</p> 
<ul><li>安装 Gradio 依赖。在命令行中输入以下命令：</li></ul> 
<pre><code>pip install gradio</code></pre> 
<ul><li>指定本地的模型文件夹路径</li></ul> 
<p>编辑 ChatGLM-6B 仓库中的 web_demo.py 文件，并将以下代码中的 "THUDM/chatglm-6b" 修改为本地模型所在文件夹的路径（例如：这里使用chatglm-6b-int4量化模型，路径则填D:\\codehub\models\chatglm-6b-int4）</p> 
<pre><code class="language-python">tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True) 
model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()</code></pre> 
<p>如果不进行修改，程序会自动从 Hugging Face 下载模型并加载到 C 盘。</p> 
<ul><li>运行 WebUI。在命令行中进入 ChatGLM-6B 文件夹，并运行以下命令：</li></ul> 
<pre><code class="language-python">python web_demo.py</code></pre> 
<p>至此，您已经成功配置了环境，并准备好使用 ChatGLM-6B 进行聊天了！</p> 
<p style="text-align:center;"><img referrerpolicy="no-referrer"  alt="" src="https://img-blog.csdnimg.cn/b8b2f7042231457bbc28e56be6d2b6ad.gif"></p> 
<p></p>
</div>
</div>
<div id="treeSkill"></div>
</article>

作者

sockstack

许可协议

CC BY 4.0

发布于

2023-11-07

修改于

2024-09-17

上一篇：软件：常用 Linux 软件汇总，值得收藏下一篇：chatgpt赋能python：Python如何填充颜色