做外贸 需要做网站吗,做网站开发学什么语言好,网站除了域名还要什么,网站流量不够通过深度学习入门到放弃系列 - 魔搭社区完成开源大模型部署调用 #xff0c;大概掌握了开源模型的部署调用#xff0c;但是魔搭社区有一个弊端#xff0c;关闭实例后数据基本上就丢了#xff0c;本地的电脑无法满足大模型的配置#xff0c;就需要去租用一些高性价比的GPU机…通过深度学习入门到放弃系列 - 魔搭社区完成开源大模型部署调用 大概掌握了开源模型的部署调用但是魔搭社区有一个弊端关闭实例后数据基本上就丢了本地的电脑无法满足大模型的配置就需要去租用一些高性价比的GPU机器长期运行起码数据和环境能长期存在。以我在阿里云人工智能平台 PAI部署和大家分享一下经验其他平台自行尝试、选择。
免费算力平台
阿里云人工智能平台 PAI阿里天池实验室Kaggle平台Colab需要梯子
付费算力平台
AutoDLGpushare CloudFeaturizeAnyGPU
阿里云人工智能平台 PAI试用申请流程
我选择的是阿里云人工智能平台 PAI平台的免费算力平台免费使用三个月截止目前还很好抢每天500份传送门。同时也推荐一些其他的算力平台给大家自行选择。 建议选交互式建模PAI-DSW 立即试用 创建规格的时候千万注意选择GPU-支持资源包抵扣的这种。 创建实例 启动实例 打开后界面和魔搭社区就比较类似了有命令行、Notebook等。 环境搭建
新建账号进来就已经是root账户了需要创建一个用户。
# 添加一个新用户如用户名为csdn遇到执行
adduser csdn
# 将用户添加到 sudo 组
adduser csdn sudo 进来以后发现ll、source等命令都不能用需要先把dash改成bash命令参考source: not found问题处理。解决完重新打开命令行以后就是我现在的界面。 更换国内软件源
cd /ect/apt# 备份sources.list以免出问题
sudo cp sources.list sources.list.backupvim sources.list# 复制到sources.list文件末尾
deb https://mirrors.ustc.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ focal-security main restricted universe multiverse
安装vim编辑器、git
# 使用vi可跳过
sudo apt-get install vimsudo apt-get install git系统软件更新
# 更新软件包列表
sudo apt update
# 执行更新命令
sudo apt upgrade安装anaconda
# 下载安装包
wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh
# 执行安装命令
bash Anaconda3-2023.09.0-Linux-x86_64.sh直到出现 yes no 选项选择yes再然后遇到路径/root/anaconda3,然后按“Enter”键使用Anaconda的默认安装位置/root/anaconda3下然后等待安装结束。
配置环境变量
# 印象中不创建账号好像就没有bashrc的文件
vim ~/.bashrc
# 末尾添加anaconda3所在路径和第六步路径一致
export PATH/root/anaconda3/bin:$PATH
# 使环境变量的修改立即生效
source ~/.bashrc安装之前需要配置一下conda都说用国内镜像源我试了没用
# 我用的这种方法
conda install -n base conda-libmamba-solver
# 设置全局使用libmamba
conda config --set solver libmambaconda创建虚拟环境
conda create --n chatglm3_test python3.11
conda activate chatglm3_test
# 如果中间报错找不到activate命令使用下面的命令试试
source /root/anaconda3/etc/profile.d/conda.sh安装pytorch等依赖
nvidia-msi查看目前的cuda版本来选择对应的pytorch # CUDA 11.8 根据我自己的版本我选择第一个就好了
conda install pytorch2.2.2 torchvision0.17.2 torchaudio2.2.2 pytorch-cuda11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch2.2.2 torchvision0.17.2 torchaudio2.2.2 pytorch-cuda12.1 -c pytorch -c nvidia
# CPU Only
conda install pytorch2.2.2 torchvision0.17.2 torchaudio2.2.2 cpuonly -c pytorch验证GPU版本的PyTorch
import torch
print(torch.cuda.is_available()) 如下图说明安装成功。 12. 下载ChatGLM3项目文件
git下载ChatGLM3项目文件时可能会出现Permission denied参考解决办法 git报错Permission denied的解决方法
# 创建文件夹
mkdir /opt/chatglm3
# 切换到新建的目录下
cd /opt/chatglm3
# 下载ChatGLM3
git clone gitgithub.com:THUDM/ChatGLM3.git
# 升级pip版本
python -m pip install --upgrade pip 安装ChatGLM运行的项目依赖
cd /opt/chatglm3/ChatGLM3
# 安装依赖
pip install -r requirements.txt安装模型权重文件
Git Large File StorageGit LFS是一种用于处理大文件的工具在 Hugging Face等平台下载大模型时通常需要安装 Git LFS主要的原因是Git 本身并不擅长处理大型文件因为在 Git 中每次我们提交一个文件它的完整内容都会被保存在 Git 仓库的历史记录中。但对于非常大的文件这种方式会导致仓库变得庞大而且低效。而 Git LFS 就不会直接将它们的内容存储在仓库中。相反它存储了一个轻量级的“指针”文件它本身非常小它包含了关于大型文件的信息如其在服务器上的位置但不包含文件的实际内容。当我们需要访问或下载这个大型文件时Git LFS 会根据这个指针去下载真正的文件内容 实际的大文件存储在一个单独的服务器上而不是在 Git 仓库的历史记录中。所以如果不安装 Git LFS 而直接从 Hugging Face 或其他支持 LFS 的仓库下载大型文件通常只会下载到一个包含指向实际文件的指针的小文件而不是文件本身。
# 安装git-lfs
sudo apt-get install git-lfs
# 初始化
git lfs install
# 魔搭平台下载模型权重文件Hugging Face太慢了
git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git目录结构如下图所示chatglm3-6b目录为模型权重文件
运行ChatGLM3-6B模型
运行前需要改一下模型权重文件的路径我们提前下载改成本地的路径否则会重新下载。 在basic_demo目录下运行cli_demo.py文件能正常对话说明大功告成了千万注意要sudo运行哈 遇到的问题
问题一Ubuntu下shell执行source命令报source: not found问题处理
问题二conda: error: argument COMMAND: invalid choice: ‘activate‘ 问题三git报错Permission denied 问题四conda下载文件慢
