一.前言

        近期清華KEG和智譜AI公司一起發(fā)布了中英雙語對(duì)話模型ChatGLM2-6B(小尺寸LLM)，開源在https://github.com/THUDM/ChatGLM2-6B，可單機(jī)部署推理和fine-tune。雖然默認(rèn)程序是GPU運(yùn)行且對(duì)顯卡要求不高，官方也說默認(rèn)需要13G的顯存，使用量化模型貌似只需要6G顯存，但對(duì)于我這種平民玩家，不租云服務(wù)器的話，單靠我這GTX3050 4G的卡怕是跑不動(dòng)了，所以就嘗試CPU部署量化后的ChatGLM2-6b-int4模型(不同版本的ChatGLM2部署方法基本一致，只是加載的模型和需要的硬件環(huán)境有區(qū)別)

 二.機(jī)器配置&環(huán)境

        本人機(jī)器配置： 系統(tǒng)WIN10 CPU R5-5600H GPU GTX3050 4G 內(nèi)存16G

        環(huán)境：python 3.11(>=3.8即可)，需要科學(xué)上網(wǎng)(需要訪問git和huggingface)

 三.代碼下載&項(xiàng)目所需python環(huán)境安裝

 git源碼下載

#創(chuàng)建目錄并進(jìn)入
mkdir ChatGLM2-6b-int4
cd ChatGLM2-6b-int4
# git源碼下載
git clone https://github.com/THUDM/ChatGLM2-6B
cd ChatGLM2-6B

        git過程如果使用vpn下載報(bào)錯(cuò)，需要配置git代理

        git config --global https.proxy http://127.0.0.1:10809 &  git config --global https.proxy https://127.0.0.1:10809(具體ip端口號(hào)可在 網(wǎng)絡(luò)和Internet>代理  中查看)

        如需取消代理設(shè)置如下

        git config --global --unset http.proxy & git config --global --unset https.proxy

 python虛擬環(huán)境創(chuàng)建并切換(conda創(chuàng)建環(huán)境切換也ok)

#創(chuàng)建虛擬環(huán)境(pip安裝的包僅在此環(huán)境下，相關(guān)的依賴都在chatglm2b項(xiàng)目下)
python -m venv glm_env
#切換環(huán)境
glm_env\Scripts\activate

  安裝項(xiàng)目依賴包(指定阿里云鏡像源)

          torch下載時(shí)間相對(duì)較長

#安裝項(xiàng)目依賴并指定鏡像源
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

        安裝成功嘍

四.模型相關(guān)文件下載&加載

        chatglm2-6b-int4模型地址(huggingface) 也可以在清華國內(nèi)模型地址(不需要科學(xué)上網(wǎng)，chatglm2-6b-int4一共三個(gè)文件)下載，但是后者少了一些模型文件以外的配置文件(推理時(shí)需要)，文件較小，也可以單獨(dú)下載(文章頂部)，如果只下載了模型的三個(gè)文件，在推理時(shí)會(huì)報(bào)錯(cuò)如下

        然后我們開始下載模型了

        量化后的int4模型文件接近4G，不過也看出來出租屋這100M寬帶不止100M呀。。。，很給力一會(huì)就下完了。在項(xiàng)目目錄下面創(chuàng)建THUDM\chatglm2-6b-int4兩級(jí)目錄，將模型相關(guān)文件放置文件夾，文件目錄如下 

        回到項(xiàng)目根目錄下在cli_demo.py web_demo.py web_demo2.py api.py內(nèi)修改部分代碼，cli_demo為例，其他相同(主要修改模型加載路徑以及改為CPU運(yùn)行).

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True).cuda()
#修改成
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b-int4", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm2-6b-int4", trust_remote_code=True).float()

四.命令端|web 端推理 

        然后在項(xiàng)目目錄下執(zhí)行cli_demo.py，提示沒有安裝readline

        嘗試pip安裝readline一直失敗(試了各種鏡像源)，最后pip install pyreadline3解決，但又報(bào)了其他錯(cuò)誤

        這時(shí)候發(fā)現(xiàn)自己的路徑用 /  (THUDM/chatglm2-6b-int4)， 趕緊替換為 \，我估計(jì)經(jīng)常在linux下開發(fā)的同學(xué)都會(huì)犯這個(gè)錯(cuò)誤，然后我們繼續(xù)執(zhí)行 python cli_demo.py，發(fā)現(xiàn)沒有GCC命令，百度了下發(fā)現(xiàn)在CPU上運(yùn)行量化后的int4模型，需要安裝gcc和openmp，正好TDM-GCC可以順帶安裝openmp，于是下載了TDM-GCC，安裝過程中需要勾選安裝openmp

        最終，我們和chatglm2對(duì)上了話，但回復(fù)速度實(shí)在太慢，而且好像介紹自己都有問題(畢竟是量化后的模型)，簡單的快排更尬了。。。。。。有條件的還是用顯卡，或者google colab、阿里云之類的云服務(wù)器

        推理過程中使用的資源情況

        網(wǎng)頁版的話直接執(zhí)行python web_demo.py即可（web_demo2也一樣，只是ui頁面不同），程序會(huì)運(yùn)行一個(gè) Web Server，然后啟動(dòng)瀏覽器輸入對(duì)話內(nèi)容即可

五.api部署 

        安裝fast等相關(guān)依賴包，然后curl本地默認(rèn)端口即可得到回復(fù)

#安裝fastapi等包,以上包在install requirements文件時(shí)應(yīng)該已經(jīng)安裝過了,uvicorn是python 輕量級(jí) ASGI web服務(wù)器框架
pip install fastapi uvicorn -i https://mirrors.aliyun.com/pypi/simple
#項(xiàng)目根目錄下執(zhí)行 api.py
python api.py
#程序默認(rèn)部署在本地8000端口,通過curl post直接調(diào)用
curl -X POST "http://127.0.0.1:8000" -H 'Content-Type: application/json' -d '{"prompt": "你好，請(qǐng)介紹下自己", "history": []}'

最新評(píng)論