重庆最大的本地交流网站,巴音郭楞网站建设,多个网站优化怎么做,郑州网站建设中心在Windows 10上部署ChatGLM2-6B#xff1a;掌握信息时代的智能对话 硬件环境ChatGLM2-6B的量化模型最低GPU配置说明准备工作ChatGLM2-6B安装部署ChatGLM2-6B运行模式解决问题总结 随着当代科技的快速发展#xff0c;我们进入了一个数字化时代#xff0c;其中信息以前所未有的… 在Windows 10上部署ChatGLM2-6B掌握信息时代的智能对话 硬件环境ChatGLM2-6B的量化模型最低GPU配置说明准备工作ChatGLM2-6B安装部署ChatGLM2-6B运行模式解决问题总结 随着当代科技的快速发展我们进入了一个数字化时代其中信息以前所未有的速度传播。在这个信息爆炸的时代我们不仅面临着巨大的机遇还面临着挑战。为了更好地应对和充分利用这一趋势我们需要掌握一些关键技能和工具。本文将向您介绍如何在Windows 10专业版22H2 x64操作系统上部署ChatGLM2-6B这是一个强大的自然语言处理模型用于智能对话。 本文面向的操作系统为 window10 专业版 22H2 x64基于GPU的运算 硬件环境
名称参数PCHP Elite Tower 880 G9CPU16GGPUNVIDIA RTX3060处理器 12th Gen Intel® Core™i7-12700 2.10GHz操作系统window 10 专业版 22H2 x64
ChatGLM2-6B的量化模型最低GPU配置说明
名称参数显存要求ChatGLM2-6BFP1613GChatGLM2-6BINT46GChatGLM2-6B-32KFP1620GChatGLM2-6B-32KINT413G
注意如果仅使用CPU部署则ChatGLM2-6B的量化模型最低CPU 32G
准备工作 在部署ChatGLM2-6B之前您需要进行一些准备工作 安装Git和Git LFS 您可以从Git官方网站下载Git并在安装时务必选择安装Git LFS选项以支持大型文件的版本控制。
# window版Git安装时注意勾选git LFS选项即可
# Linux系统在安装完Git后需额外安装git LFS
# 验证git是否正常: 出现版本信息为正常
git --version
# 验证git lfs是否正常出现Git LFS initalized为正常
git lfs install安装CUDA CUDA是NVIDIA的并行计算平台用于加速深度学习任务。您需要确保安装了与您的NVIDIA显卡驱动程序兼容的CUDA版本【CUDA下载地址】
# 查看NVIDIA CUDA version 和 Driver Version一定要注意相关版本信息
nvidia-smi
# 在下载页面选择相关版本和信息后下载安装包进行安装即可安装Python【下载地址】 安装Python建议使用Python 3.10.10版本并在安装时勾选将Python添加到系统变量PATH中。 注意无需下载最新版本本文选用python v3.10.10 更据安装包进行即可注意勾选将python添加至系统变量PATH 安装PyTorch【下载地址】 根据您的CUDA版本选择合适的PyTorch版本并使用pip安装。确保PyTorch与CUDA版本兼容。
# 注意pytorch的版本保证其和CUDA版本兼容
# 选择stable版其余更据自己系统和情况选择本文使用CUDA 11.8为最新版本(虽然CUDA版本为12.2但是其支持向下兼容)
# 复制红框内容在命令行中进行安装等待完成
# 验证pytorch是否正常进入命令行或PowerShell
pythonimport torchprint(torch.cuda.is_available())True
# 返回True即为正常quit()ChatGLM2-6B安装部署
下载仓库代码 使用Git克隆ChatGLM2-6B仓库并安装依赖。
git clone https://github.com/THUDM/ChatGLM2-6B.git
cd ChatGLM2-6B
pip install -r requirements.txt下载ChatGLM2-6B模型 在项目目录下创建一个名为“model”的文件夹并下载ChatGLM2-6B的模型文件。
mkdir model cd model
git clone https://huggingface.co/THUDM/chatglm2-6b
git clone https://huggingface.co/THUDM/chatglm2-6b-int4
git clone https://huggingface.co/THUDM/chatglm2-6b-32k
git clone https://huggingface.co/THUDM/chatglm2-6b-32k-int4请确保您下载了标记为LFSLarge File Storage的文件以获取完整的模型文件。
ChatGLM2-6B运行模式
在部署ChatGLM2-6B时您可以选择不同的运行模式包括Gradio网页模式、Streamlit网页模式、命令行模式和API模式。以下是每种模式的简要说明 Gradio网页模式 准备工作 # 进入项目目录
cd ChatGLM2-6B
# 复制一份web_demo.py
copy web_demo.py web_demo_bak.py2.模型参数调整 tokenizer AutoTokenizer.from_pretrained(model\\chatglm2-6b, trust_remote_codeTrue)
model AutoModel.from_pretrained(model\\chatglm2-6b, trust_remote_codeTrue).cuda()3.服务参数调整 # demo.queue().launch(shareFalse, inbrowserTrue)
# concurrency_count: 表示可以同时使用网页的人数超过就需要排队等候
# server_name: 开启局域网访问
# server_port: 指定端口访问
demo.queue(concurrency_count5,
).launch(shareFalse, inbrowserTrue, server_name0.0.0.0, server_port8080)启动 python web_demo.pyStreamlit网页
# 同Gradio配置类似进行调整web_demo2.py
# 启动
streamlit run web_demo2.py
# 此命令会开启局域网服务端口8501CLI模式
# 配置一致调整cli_demo.py
# 启动
python cli_demo.py
# 命令行中输入只是并回车即可生成回复输入clear:清空对话历史;输入stop:终止程序API模式
# 安装fastapi uvicorn依赖
pip install fastapi uvicorn
# 配置api.py
python api.py
# 补充可设置ip和端口
# api.py
...
uvicorn.run(app, hostx.x.x.x, port8000, workers1)访问接口: http://x.x.x.x:8000/; 请求方式POST 特别说明: 如果显存不足可使用量化方式加载模型
# int4
model AutoModel.from_pretrained(THUDM/chatglm2-6b, trust_remote_codeTrue).quantize(4).cuda()
# int8
model AutoModel.from_pretrained(THUDM/chatglm2-6b, trust_remote_codeTrue).quantize(8).cuda()解决问题
在部署过程中可能会遇到一些问题。以下是一些常见问题和解决方法 运行web_demo.py报错AssertionError:Torch not compiled with CUDA enabledtorch和CUDA版本不匹配 # 首先检查cuda能否使用
python -c import torch; print(torch.cuda.is_availabled())
# 返回False, 说明torch版本与CUDA不匹配
# 使用指令 nvidia-smi查看CUDA版本然后到pytorch官方网站下载相应的CUDA安装
# 先卸载原torch
pip uninstall torch
# 安装指定CUDA版本的torch
pip install --pre torch --index-url https://download.pytorch.org/whl/nightly/cu121gcc不是内部或外部命令 安装TDM-GCC,注意勾选 openmp 【TDM-GCC下载】
总结
通过按照以上步骤进行操作您将能够成功在Windows 10上部署ChatGLM2-6B从而掌握信息时代的智能对话能力。这将为您提供一个有趣而强大的工具用于与ChatGLM2-6B进行智能对话并深入了解自然语言处理的潜力。希望本文能帮助您充分利用信息时代的机遇同时也能够解决可能出现的问题。
