书生·浦语大模型InternLM-Chat-1.8B 智能对话 Demo 第二期

文章目录

  • [InternLM-Chat-1.8B 智能对话 Demo](#InternLM-Chat-1.8B 智能对话 Demo)
  • [web 运行八戒 demo](#web 运行八戒 demo)

InternLM-Chat-1.8B 智能对话 Demo

环境准备

  • 在InternStudio平台中选择 10% A100(1/4) 的配置(平台资源有限),如下图所示镜像选择 Cuda11.7-conda,如下图所示:

  • 打开刚刚租用服务器的进入开发机,进入开发机后,在页面的左上角可以切换 JupyterLab、终端和 VScode

  • 配置开发环境
    • 创建python=3.10.13,pytorch=2.0.1虚拟环境

      powershell 复制代码
      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
      
      # 或者直接克隆一个pytorch=2.0.1的环境
      # conda create --name demo --clone=/root/share/conda_envs/internlm-base
    • 激活internlm-demo环境

      powershell 复制代码
      conda activate demo
    • 安装demo需要的依赖包

      powershell 复制代码
      # 升级pip
      python -m pip install --upgrade pip
      
      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

下载模型

  • 按路径创建文件夹,并进入到对应文件目录中:

    powershell 复制代码
    mkdir -p /root/demo  # 在root文件夹下创建demo文件夹
    touch /root/demo/cli_demo.py  # 在demo文件夹下创建cli_demo.py文件
    touch /root/demo/download_mini.py  # 在demo文件夹下创建download_mini.py文件
    cd /root/demo  # 进入到demo文件夹下
  • 通过左侧文件夹栏目,双击进入 demo 文件夹

  • 双击打开 /root/demo/download_mini.py 文件,复制以下代码:

    python 复制代码
    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 复制代码
    python /root/demo/download_mini.py

运行 InternLM-Chat-1.8B

  • 双击打开 /root/demo/cli_demo.py 文件,复制以下代码:

    python 复制代码
    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:

    powershell 复制代码
    conda activate demo
    python /root/demo/cli_demo.py
  • 运行效果

web 运行八戒 demo

下载模型

  • 使用 git 命令来获得仓库内的 Demo 文件

    powershell 复制代码
    conda activate demo
    cd /root/
    git clone https://gitee.com/InternLM/Tutorial -b camp2
    # git clone https://github.com/InternLM/Tutorial -b camp2
    cd /root/Tutorial
  • 在Terminal中执行 bajie_download.py,下载模型

    python 复制代码
    python /root/Tutorial/helloworld/bajie_download.py

执行Demo

  • 端口映射到本地,在本地浏览器才可浏览

    • 在本地打开Power Shell终端,SSH公钥默认存储在 ~/.ssh/id_rsa.pub,可以通过系统自带的 cat 工具查看文件内容

    • 将公钥复制到剪贴板中,然后回到 InternStudio 控制台,点击配置 SSH Key

    • 将刚刚复制的公钥添加进入即可

    • 在本地终端输入以下指令 .6006 是在服务器中打开的端口,而 33090 是根据开发机的端口进行更改

      powershell 复制代码
      ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 33854


      这样就映射成功了

  • 在InternStudio终端运行以下代码:

    powershell 复制代码
    bash
    conda activate demo  # 首次进入 vscode 会默认是 base 环境,所以首先切换环境
    streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006
  • 测试结果

相关推荐
羊小猪~~1 分钟前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
AI小杨2 分钟前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测
晨曦_子画6 分钟前
编程语言之战:AI 之后的 Kotlin 与 Java
android·java·开发语言·人工智能·kotlin
道可云8 分钟前
道可云人工智能&元宇宙每日资讯|2024国际虚拟现实创新大会将在青岛举办
大数据·人工智能·3d·机器人·ar·vr
人工智能培训咨询叶梓17 分钟前
探索开放资源上指令微调语言模型的现状
人工智能·语言模型·自然语言处理·性能优化·调优·大模型微调·指令微调
zzZ_CMing17 分钟前
大语言模型训练的全过程:预训练、微调、RLHF
人工智能·自然语言处理·aigc
newxtc19 分钟前
【旷视科技-注册/登录安全分析报告】
人工智能·科技·安全·ddddocr
成都古河云20 分钟前
智慧场馆:安全、节能与智能化管理的未来
大数据·运维·人工智能·安全·智慧城市
UCloud_TShare22 分钟前
浅谈语言模型推理框架 vLLM 0.6.0性能优化
人工智能
软工菜鸡27 分钟前
预训练语言模型BERT——PaddleNLP中的预训练模型
大数据·人工智能·深度学习·算法·语言模型·自然语言处理·bert