班级网站模板下载,佛山高端画册设计公司,wordpress网站怎么建设,seo网站提交提交一、介绍
BlueLM 是由 vivo AI 全球研究院自主研发的大规模预训练语言模型#xff0c;本次发布包含 7B 基础 (base) 模型和 7B 对话 (chat) 模型#xff0c;同时我们开源了支持 32K 的长文本基础 (base) 模型和对话 (chat) 模型。
更大量的优质数据 #xff1a;高质量语料…一、介绍
BlueLM 是由 vivo AI 全球研究院自主研发的大规模预训练语言模型本次发布包含 7B 基础 (base) 模型和 7B 对话 (chat) 模型同时我们开源了支持 32K 的长文本基础 (base) 模型和对话 (chat) 模型。
更大量的优质数据 高质量语料库进行训练规模达到了 2.6 万亿 的 token 数该语料库包含中文、英文以及少量日韩数据更优的效果 其中 BlueLM-7B-Chat 在 C-Eval 和 CMMLU 上均取得领先结果对比同尺寸开源模型中具有较强的竞争力长文本支持 BlueLM-7B-Base-32K 和 BlueLM-7B-Chat-32K 均支持 32K 长文本在保持基础能力相当情况下能够支持更长上下文理解协议说明 BlueLM 系列欢迎开发者进行学术研究和商业应用。
二、部署过程
基础环境最低要求说明
环境名称版本信息1Ubuntu22.04.4 LTSCudaV12.1.105Python3.9NVIDIA CorporationRTX 3090
1. 更新基础软件包
查看系统版本信息
# 查看系统版本信息包括ID如ubuntu、centos等、版本号、名称、版本号ID等
cat /etc/os-release配置 apt 国内源
# 更新软件包列表
apt-get update这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤因为它确保了您获取的是最新版本的软件包。
# 安装 Vim 编辑器
apt-get install -y vim这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器广泛用于编程和配置文件的编辑。
为了安全起见先备份当前的 sources.list 文件之后再进行修改
# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯因为编辑 sources.list 文件时可能会出错导致无法安装或更新软件包。有了备份如果出现问题您可以轻松地恢复原始的文件。
# 编辑软件源列表文件
vim /etc/apt/sources.list这个命令使用 Vim 编辑器打开 sources.list 文件以便您可以编辑它。这个文件包含了 APTAdvanced Package Tool用于安装和更新软件包的软件源列表。通过编辑这个文件您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。
在 Vim 中您可以使用方向键来移动光标i 键进入插入模式可以开始编辑文本Esc 键退出插入模式:wq 命令保存更改并退出 Vim或 :q! 命令不保存更改并退出 Vim。
编辑 sources.list 文件时请确保您了解自己在做什么特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定最好先搜索并找到可靠的源信息或者咨询有经验的 Linux 用户。 使用 Vim 编辑器打开 sources.list 文件复制以下代码替换 sources.list里面的全部代码配置 apt 国内阿里源。
deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse安装常用软件和工具
# 更新源列表输入以下命令
apt-get update# 更新系统软件包输入以下命令
apt-get upgrade# 安装常用软件和工具输入以下命令
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential出现以下页面说明国内apt源已替换成功且能正常安装apt软件和工具 2. 安装 NVIDIA CUDA Toolkit 12.1
下载 CUDA Keyring
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb这个命令用于下载 CUDA 的 GPG 密钥环它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。
安装 CUDA Keyring
dpkg -i cuda-keyring_1.0-1_all.deb使用 dpkg 安装下载的密钥环。这是必要的以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。 删除旧的 apt 密钥如果必要
apt-key del 7fa2af80这一步可能不是必需的除非您知道 7fa2af80 是与 CUDA 相关的旧密钥并且您想从系统中删除它以避免混淆。通常情况下如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环这一步可以跳过。
更新 apt 包列表
apt-get update更新 apt 的软件包列表以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。
安装 CUDA Toolkit
apt-get -y install cuda-toolkit-12-1出现以下页面说明 NVIDIA CUDA Toolkit 12.1 安装成功 注意这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常您会安装一个名为 cuda 或 cuda-12-1 的元包它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库以确认正确的包名。
如果您正在寻找安装特定版本的 CUDA Toolkit您可能需要安装类似 cuda-12-1 的包如果可用或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。
请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。 出现以上情况需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量
编辑 ~/.bashrc 文件
# 编辑 ~/.bashrc 文件
vim ~/.bashrc插入以下环境变量
# 插入以下环境变量
export PATH/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH激活 ~/.bashrc 文件
# 激活 ~/.bashrc 文件
source ~/.bashrc查看cuda系统环境变量
which nvcc
nvcc -V3. 安装 Miniconda
下载 Miniconda 安装脚本 使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版包含了 Anaconda 的核心组件用于安装和管理 Python 包。运行 Miniconda 安装脚本 使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。
# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh# 初次安装需要激活 base 环境
source ~/.bashrc按下回车键enter 输入yes 输入yes 安装成功如下图所示 pip配置清华源加速
# 编辑 /etc/pip.conf 文件
vim /etc/pip.conf加入以下代码
[global]
index-url https://pypi.tuna.tsinghua.edu.cn/simple注意事项
请确保您的系统是 Linux x86_64 架构因为下载的 Miniconda 版本是为该架构设计的。在运行安装脚本之前您可能需要使用 chmod x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。安装过程中您将被提示是否同意许可协议以及是否将 Miniconda 初始化。通常选择 yes 以完成安装和初始化。安装完成后您可以使用 conda 命令来管理 Python 环境和包。如果链接无法访问或解析失败可能是因为网络问题或链接本身的问题。请检查网络连接并确保链接是最新的和有效的。如果问题依旧请访问 Anaconda 的官方网站获取最新的下载链接。
4. 从 github 仓库 克隆项目
克隆存储库
# 克隆项目
git clone https://github.com/vivo-ai-lab/BlueLM.git出现以上页面即是克隆项目成功
请注意如果 git clone https://github.com/vivo-ai-lab/BlueLM.git 这个链接不存在或者无效git clone 命令将不会成功克隆项目并且会报错。确保链接是有效的并且您有足够的权限访问该存储库。
5. 创建虚拟环境
# 创建一个名为 BlueLM 的新虚拟环境并指定 Python 版本为 3.9
conda create -n BlueLM python3.9 -y等待安装完成 6. 安装模型依赖库
切换到项目目录、激活 Yi-Coder 虚拟环境、安装 requirements.txt 依赖
# 切换到项目工作目录
cd /BlueLM# 激活 BlueLM 虚拟环境
conda activate BlueLM# 在 Yi-Coder 环境中安装 requirements.txt 依赖
pip install -r requirements.txt依赖安装成功如下图所示 7. 下载预训练模型
安装 modelscope 依赖包
pip install modelscope创建一个Python下载脚本
vim modelscope_download.py插入以下下载代码
# Python 代码下载模型
from modelscope import snapshot_download
model_dir snapshot_download(vivo-ai/bluelm-7b-chat, cache_dir./, revisionmaster)保存文件Esc --》Shift --》输入英文的 --》输入wq
如果你正在编辑文本先按 Esc 键退出插入模式。然后直接按 Shift :不需要先按冒号这个组合键已经包含了冒号的输入屏幕上会出现一个冒号提示你输入命令。接着输入 wq表示你想要保存文件并退出。最后按 Enter 键执行命令。
执行 modelscope_download.py 文件进行模型下载
python modelscope_download.py8. 运行 web_demo.py 文件
# 运行 web_demo.py 文件
streamlit run web_demo.py --server.address 0.0.0.0 --server.port 8080出现以上报错需要修改模型路径
# 编辑 web_demo.py 文件
vim web_demo.py替换为刚刚下载模型的路径 运行 web_demo.py 文件
# 运行 web_demo.py 文件
streamlit run web_demo.py --server.address 0.0.0.0 --server.port 8080三、网页演示
出现以下 Gradio 页面即是模型已搭建完成。
