如何在本地部署运行ChatGLMS-6B

sockstack / 159 / 2023-11-07 00:01:27

<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

2024-12-20

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

尚未登录

如何在本地部署运行ChatGLMS-6B

文章分类

博客重构之路

Spring Boot简单入门

k8s 入门教程

MySQL 知识

NSQ 消息队列

ThinkPHP5 源码分析

使用 Docker 从零开始搭建私人代码仓库

日常开发汇总

标签列表

springboot

hyperf

swoole

webman

php

多线程

数据结构

docker

k8s

thinkphp

mysql

tailwindcss

flowbite

css

前端