ChatGPT 引发了大语言模型的热潮，但是其封闭的生态也带来了诸多限制。所幸Meta倒是越来越开放，自LLaMA发布以来，围绕它微调和开发的模型越来越多，其中尤其是UC伯克利大学的研究人员联合其它几家研究机构共同推出的小羊驼（Vicuna），仅用少量的数据微调（费用约为300美元），就达到了ChatGPT 90%的性能。2023年9月又发布了基于LLaMA 2微调的1.5版本，最高支持16K上下文输入，而且基于LLaMA2的可商用授权协议，小羊驼（Vicuna）也可以免费商用，实在是企业或者个人研究的必备良心平替。本文将梳理在本地部署和使用Vicuna的详细教程。

安装 Vicuna 框架 - FastChat

使用pip安装

arduino 复制代码

pip3 install "fschat[model_worker,webui]"

从源码安装

bash 复制代码

git clone https://github.com/lm-sys/FastChat.git
cd FastChat
pip3 install --upgrade pip  # enable PEP 660 support
pip3 install -e ".[model_worker,webui]"

如果后续还有对框架的定制开发，建议从源码安装。

下载 Vicuna 模型

目前最新版是基于LLaMA 2微调的 v1.5，可以使用如下命令，如果模型未下载将自动下载。也可从Hugging Face下载模型，然后在命令中再指定模型路径。

Size	Chat Command	Hugging Face Repo
7B	`python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5`	lmsys/vicuna-7b-v1.5
7B-16k	`python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5-16k`	lmsys/vicuna-7b-v1.5-16k
13B	`python3 -m fastchat.serve.cli --model-path lmsys/vicuna-13b-v1.5`	lmsys/vicuna-13b-v1.5
13B-16k	`python3 -m fastchat.serve.cli --model-path lmsys/vicuna-13b-v1.5-16k`	lmsys/vicuna-13b-v1.5-16k
33B	`python3 -m fastchat.serve.cli --model-path lmsys/vicuna-33b-v1.3`	lmsys/vicuna-33b-v1.3

命令行聊天

sql 复制代码

$ CUDA_VISIBLE_DEVICES=1 python -m fastchat.serve.cli --model-path models/vicuna-7b-v1.5/
Loading checkpoint shards: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:08<00:00,  4.40s/it]
USER: Who are you?
ASSISTANT: I am Vicuna, a language model trained by researchers from Large Model Systems Organization (LMSYS).

网页版聊天

要使用网页版聊天，需要运行三个模块：

Controller：python -m fastchat.serve.controller
Worker：python -m fastchat.serve.model_worker --model-path models/vicuna-13b
WEB服务器：python -m fastchat.serve.gradio_web_server

微调

UC伯克利大学的研究人员使用了4 x A100 (40GB)，我用4块A100-SXM4-80GB也微调成功了。

css 复制代码

torchrun --nproc_per_node=4 --master_port=20001 fastchat/train/train_mem.py \
    --model_name_or_path meta-llama/Llama-2-7b-hf \
    --data_path data/dummy_conversation.json \
    --bf16 True \
    --output_dir output_vicuna \
    --num_train_epochs 3 \
    --per_device_train_batch_size 2 \
    --per_device_eval_batch_size 2 \
    --gradient_accumulation_steps 16 \
    --evaluation_strategy "no" \
    --save_strategy "steps" \
    --save_steps 1200 \
    --save_total_limit 10 \
    --learning_rate 2e-5 \
    --weight_decay 0. \
    --warmup_ratio 0.03 \
    --lr_scheduler_type "cosine" \
    --logging_steps 1 \
    --fsdp "full_shard auto_wrap" \
    --fsdp_transformer_layer_cls_to_wrap 'LlamaDecoderLayer' \
    --tf32 True \
    --model_max_length 2048 \
    --gradient_checkpointing True \
    --lazy_preprocess True

RESTful API Server

要运行 RESTful API server，需要运行三个模块：

Controller：python -m fastchat.serve.controller
Worker：python -m fastchat.serve.model_worker --model-path models/vicuna-13b
WEB服务器：python -m fastchat.serve.openai_api_server --host 0.0.0.0 --port 8000

要调用API有两种方式：

OpenAI SDK

这种调用方式需要先安装openai库：pip install --upgrade openai

ini 复制代码

import openai

openai.api_key = "EMPTY"
openai.base_url = "http://localhost:8000/v1/"

model = "vicuna-7b-v1.5"
prompt = "Once upon a time"

# create a completion
completion = openai.completions.create(model=model, prompt=prompt, max_tokens=64)
# print the completion
print(prompt + completion.choices[0].text)

# create a chat completion
completion = openai.chat.completions.create(
  model=model,
  messages=[{"role": "user", "content": "Hello! What is your name?"}]
)
# print the completion
print(completion.choices[0].message.content)

HTTP

这种调用方式可以用requests库，以下仅用curl演示：

arduino 复制代码

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vicuna-7b-v1.5",
    "messages": [{"role": "user", "content": "Hello! What is your name?"}]
  }'

词嵌入

获取词嵌入的API接口：

arduino 复制代码

curl http://localhost:8000/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vicuna-7b-v1.5",
    "input": "Hello world!"
  }'

关于使用词嵌入的使用场景，官方提供了一些基础案例如下：

计算文本相似度：test_sentence_similarity.py
文本分类：test_classification.py
搜索相关文本：test_semantic_search.py

Vicuna + LangChain 实现本地知识库问答系统

官方举例：

ini 复制代码

from langchain.chat_models import ChatOpenAI
from langchain.document_loaders import TextLoader
from langchain.embeddings import OpenAIEmbeddings
from langchain.indexes import VectorstoreIndexCreator

embedding = OpenAIEmbeddings(model="text-embedding-ada-002")
loader = TextLoader("state_of_the_union.txt")
index = VectorstoreIndexCreator(embedding=embedding).from_loaders([loader])
llm = ChatOpenAI(model="gpt-3.5-turbo")

questions = [
    "Who is the speaker",
    "What did the president say about Ketanji Brown Jackson",
    "What are the threats to America",
    "Who are mentioned in the speech",
    "Who is the vice president",
    "How many projects were announced",
]

for query in questions:
    print("Query:", query)
    print("Answer:", index.query(query, llm=llm))

LangChain支持加载多种格式（HTML、CSV、JSON、MARKDOWN、PDF）的本地知识库，所以可以根据实际场景，调整以上示例中的loader，即可实现一个简单的本地知识库问答系统。

零基础入门AI：本地部署ChatGPT的平替 - 小羊驼 Vicuna

安装 Vicuna 框架 - FastChat

下载 Vicuna 模型

命令行聊天

网页版聊天

微调

RESTful API Server

词嵌入

Vicuna + LangChain 实现本地知识库问答系统