ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型,具有对话流畅、部署门槛低等众多优秀特性。本文将从零开始,讲解ChatGLM3-6b的部署及使用,全文一共2000多字,篇幅较长,主要包括以下六个部分:
一、下载项目代码和模型文件
二、安装miniconda
三、创建conda环境
四、根据cuda版本来 选择合适的pytorch版本
五、运行chatglm相关的服务
六、FastGPT知识库问答使用 本地 chatglm服务
本文实验的配置:
GPU:英伟达 3090 24G显存
操作系统:centos 7
一、下载项目代码和模型文件
1、代码地址:
https://github.com/THUDM/ChatGLM3
2、下载对应的模型文件
modelscope对应的模型地址:
https://modelscope.cn/models/ZhipuAI/chatglm3-6b/files
可以使用如下的 git命令进行下载:
git lfs installgit clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git
文件大小11.64G,根据个人网速不同,本人 大约等待30分钟后,下载完成;
下载完成后,将代码和对应的模型文件传到服务器上,作者是将模型文件放在项目代码的根目录。
二、安装miniconda
-------若已安装miniconda或者conda可以跳过 这节------------
1、安装最新版本的 miniconda
wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
2、执行安装
bash Miniconda3-latest-Linux-x86_64.sh
输入enter ,一路yes即可
安装完成后,关闭shell窗口,重新打开,就可以看到已经装好了
三、创建conda环境
创建一个conda环境,用于安装大模型运行的依赖包
3.1 首先看到requirements.txt,可以看到官网推荐的torch版本>=2.0,但是当torch==1.13.1时也可以运行,看你们自己的选择。
3.2 选择合适的python的版本
python与pytorch版本的对应关系如下:
https://github.com/pytorch/vision#installation
3.3 选择的 python版本大于3.8,使用如下命令进行创建conda环境。
conda create --name py3811 python==3.8.11
3.4 激活创建好的conda环境:
conda activate py3811
四、根据显卡cuda的版本来 选择合适的pytorch版本
4.1、查看 显卡信息
nvidia-smi
ps:如何安装cuda及cudnn,可自行百度安装,本文不再讲述。
从官网选择合适的pytorch版本:
地址:https://pytorch.org/get-started/previous-versions/
因为作者的显卡cuda版本为11.6,所以选择 torch==1.13.1的版本;
4.2 cuda为11.6 的pytorch安装命令
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
如果你的显卡cuda版本为11.7或者11.8,你可以选择torch>=2.0的版本
4.3 cuda为11.7或者11.8的pytorch安装命令
CUDA 11.7conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia# CUDA 11.8conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia
4.4 本文采用cuda为11.6 的pytorch安装命令
4.5 进入代码目录,安装依赖包
作者的torch版本为1.13.1,所以删除掉 requirements.txt 中的红框部分,如果你的torch大于2.0 ,则不需要删除这一行。
4.6 执行如下命令,批量安装依赖包
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
安装完成!
五、运行chatglm相关的服务
5.1、交互式对话程序:cli_demo.py
(1)修改模型文件加载的路径
模型文件放在代码的根目录。
本文将模型文件放在代码的同级目录,所以修改下cli_demo.py 中模型文件存放的位置,填入 模型文件所在的 相对路径或者绝对路径。
原始路径tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True)model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True).cuda()#改为下面的路径tokenizer = AutoTokenizer.from_pretrained("chatglm3-6b", trust_remote_code=True)model = AutoModel.from_pretrained("chatglm3-6b", trust_remote_code=True).cuda()
(2)运行 简单交互对话的程序:
python cli_demo.py
启动服务后, 显存大概占用了12G左右。
5.1、启动openai的接口服务:openai_api.py
(1)同样需要 修改模型路径
(2)修改代码
将openai_api.py文件中3处
chunk.json(exclude_unset=True, ensure_ascii=False)
替换为
chunk.model_dump_json(exclude_unset=True,exclude_none=True)
改为 如下图红框位置 所示:
(3)启动服务
python openai_api.py
(4) 利用requests请求调用chatglm的接口服务:
openai_url="http://ip:8000/v1/chat/completions"
ip:chatglm部署的ip
完整代码如下:
!/usr/bin/env python# -- coding: UTF-8 --"""@Project :chatgpt@File :openai_function.py@Author :aixiaoxin@Date :2023/10/27 17:28"""import requestsdef request_chatgpt_function():# 通用方法:利用requests 请求调用question = "你是谁?"openai_url="http://ip:8000/v1/chat/completions" # 可以替换为任何代理的接口,官网地址 https://api.openai.com/v1/chat/completionsOPENAI_API_KEY="sk-amd6pTaiXrJ6U8VjFb7dB439A97542D5A2E4Ed38C1BaC9D2" # openai的key,此处不需要填写header={"Content-Type": "application/json","Authorization": "Bearer " +OPENAI_API_KEY}data={"model": "gpt-3.5-turbo","messages": [{"role": "system","content": "You are a helpful assistant."},{"role": "user","content": question}],"stream":False}print("问题:{}".format(question))response=requests.post(url=openai_url,headers=header,json=data).json()print("完整的响应结果:{}".format(response))answer = response["choices"][0]["message"]["content"]print("答案:{}".format(answer))if name == "main":request_chatgpt_function() # 通用方法:利用requests 请求调用
运行结果:
(5)利用openai接口流式调用chatglm的服务:
openai.api_base = "http://ip:8000/v1"
ip:填入chatglm部署的服务器的ip
完整代码如下:
!/usr/bin/env python# -- coding: UTF-8 --"""@Project :chatgpt_project@File :chatglm_request.py@Author :aixiaoxin@Date :2023/10/29 14:32"""import openaiif name == "main":openai.api_base = "http://ip:8000/v1"openai.api_key = "none"for chunk in openai.ChatCompletion.create(model="chatglm3-6b",messages=[{"role": "user", "content": "你好"}],stream=True):if hasattr(chunk.choices[0].delta, "content"):print(chunk.choices[0].delta.content, end="", flush=True)
运行截图:
六、FastGPT知识库问答使用 本地 chatglm服务
先运行上一节中的接口服务:python openai_api.py
找到fastgpt项目中的
files\deploy\fastgpt\docker-compose.yml 文件
将OPEN_BASE_URL 改为如下地址:
http://ip:8000/v1
ip:表示大模型部署服务器的ip
完整的 fastgpt的详细部署教程可以参考下面文档:
利用Docker Compose快速部署FastGPT知识库问答
以上就是今天的所有内容了!
参考文献:
https://github.com/THUDM/ChatGLM3