记录部署ChatGLM大语言模型过程

1.什么是 ChatGLM：

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 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（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。
不过，由于 ChatGLM-6B 的规模较小，目前已知其具有相当多的局限性，如事实性/数学逻辑错误，可能生成有害/有偏见内容，较弱的上下文能力，自我认知混乱，以及对英文指示生成与中文指示完全矛盾的内容。更大的基于 1300 亿参数 GLM-130B 的 ChatGLM 正在内测开发中。

---

2.获取代码：

Github地址：https://github.com/THUDM/ChatGLM-6B

可以通过git方式获取，或者直接下载zip源码，本次git方式。

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

---

3.配置环境：

3.1配置显卡驱动和cuda：

之前已配置，支撑pytorch 、 paddle等环境，不再补充。

3.2 安装anaconda：

之前已配置，网上教程较多，不再多说。

3.3 为chatGLM配置独立环境

conda  create --name  chatglm python=3.8

环境创建后，激活环境

conda activate chatglm 

3.4 安装依赖包

打开文件位置，根据自己位置修改目录

cd /home/houshouzan/chatglm/ChatGLM-6B/

安装依赖包，需要的话后面加上清华镜像地址https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt

4.下载模型：

4.1 方式一，huggingface_hub优雅下载：

安装huggingface_hub

pip install huggingface_hub

在./ChatGLM-6B/下创建文件夹./ChatGLM-6B/chatglm-6b/用于存放本地模型

mkdir chatglm-6b

进入chatglm-6b环境, 进入python终端

conda activate chatglm-6b
python

调用huggingface_hub下载ChatGLM-6B模型到指定本地路径

from huggingface_hub import snapshot_download
snapshot_download(repo_id="THUDM/chatglm-6b", local_dir="./chatglm-6b/")

下载过程中会中断，多尝试几次一般可以下载完。

4.2 方式二，通过官网下载：

官网地址：https://huggingface.co/THUDM/chatglm-6b/tree/main

需要全部下载。

4.2 方式三，通过迅雷等工具下载：

由于下载较慢，本次下载过程中，也使用这个方法，最后再传到服务器上，也比较麻烦，还是推荐第一种方法。

5.体验ChatGLM：

demo提供了两种方式，命令行和网页方式。

5.1 命令行方式：

需要修改源码中模型加载的位置，我前面模型下载到了chatglm-6b文件夹，所以修改cli_demo.py文件位置如下，修改保存：

运行命令行代码

python cli_demo.py

效果如下：

5.2 网页形式：

修改web_demo.py 加载模型代码，修改为自己模型所在位置。

运行web_demo.py ，默认端口7860 ，查看效果。