新浪财经

大模型私有化部署0基础指南，“草履虫”都学会了

新浪财经头条

关注

来源：码客人生

【写在前边】

科技的巨轮滚滚而来，据不完全统计，中国已经发布了近40个类ChatGPT的大模型产品，从文本生成、专业翻译到图片视频的生成剪辑，AI大模型水平已进入了百花齐放的阶段，达到可商业化水平。“逆势而为，不如审时度势，顺流而下”，未来必定是属于善于使用大模型的人，今天我们尝试对其进行探索性实验，来更了解大模型的特性。

▋ 大模型使用的三个阶段

大模型的使用必将包含三个阶段：

  1. 直接使用

  2. 使用 API 定制自己的应用

  3. 离线部署+微调，实现私有数据模型化

我们将分阶段讨论大模型的离线部署+微调，今天先从0开始离线部署大模型。

【环境安装和配置】

本文以清华大学开源的 ChatGLM-6B 语言模型为例。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。

实验使用的环境如下：

  • Windows11

  • Intel 13700KF

  • 32G内存

  • RTX 3090 24G显存

ChatGLM-6B 可在最小 6GB 显存运行。如果没有合适的显卡或者想体验完整版，可以购买云服务商的 A100 GPU 服务器试用。以阿里云为例，最便宜的每小时 38 元左右。

【安装 Python】

Python 官网下载并安装 Python，记得选上“Add python.exe to PATH”。

【安装 CUDA】

由于 PyTorch 最新只能支持 11.8 的显卡驱动，不能安装最新版 CUDA。

在 Nvidia 官网 下载 11.8 的 CUDA Toolkit Archive。

【安装 PyTorch】

在 PyTorch 官网 执行对应版本的安装命令。


pip3 install torch torchvision torchaudio --index-url https:/
/download.pytorch.org/whl/cu118

【安装 git】

从 git 官网 下载 git

【部署代码】

Clone 代码

 使用 git clone 对应的代码：

 git clone https://github.com/THUDM/ChatGLM-6B.git



【安装依赖】


cd ChatGLM-6B



pip install -r requirements.txt

【下载模型】

代码在执行时默认自动下载模型。如果没有使用魔法，你需要手动下载模型。在 清华大学云盘 下载模型，假设下载到 D:\chatglm-6b-models

【运行代码】

启动 Python

python

hello world

依次输入下列代码：

from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained(r"D:\chatglm-6b-models", trust_remote_code=True)
model = AutoModel.from_pretrained(r"D:\chatglm-6b-models", trust_remote_code=True).half().cuda()
model = model.eval()
response, history = model.chat(tokenizer, "你好", history=[])
print(response)

ChatGLM-6B 返回了“你好👋！我是人工智能助手 ChatGLM-6B，很高兴见到你，欢迎问我任何问题。”。至此，大语言模型的离线部署就实现了。我们可以发挥我们的聪明才智，让它给我们工作了。

【长文本生成】

让 ChatGLM-6B 为我们生成一篇文章。

经过大约10秒钟后，文章生成。看结果还是很不错的。

在任务管理器里查看显卡运行情况，使用了约 13G 的显存。

【后记】

离线部署大预言模型还是比较简单的。这为我们后续的微调提供了基础。接下来，我们将为大家介绍 ChatGLM-6B 微调的详细操作，敬请期待。

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。

加载中...