【ChatGLM2-6B】在只有CPU的Linux服务器上进行部署

简介

ChatGLM2-6B 是清华大学开源的一款支持中英双语的对话语言模型。经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，具有62 亿参数的 ChatGLM2-6B 已经能生成相当符合人类偏好的回答。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）。

准备工作

安装wget

• 删除自带的wget: yum remove wget
• 重新安装wget: yum -y install wget
• 检测wget版本: rpm -qa | grep "wget"

若出现以下，则成功。

[root@localhost ~]# rpm -qa | grep "wget"
wget-1.14-18.el7_6.1.x86_64

安装ANACONDA

• 官网下载页面: https://www.anaconda.com/download#downloads
• Linux64位下载: wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh
• 安装: sh Anaconda3-2023.09-0-Linux-x86_64.sh
• 会出现很多信息，一路yes下去，观看文档用q跳过
• 查看版本验证是否安装成功: conda -V

(base) [root@localhost ~]# conda -V
conda 23.7.4

安装pytorch

• 前往pytorch官网: https://pytorch.org/
• 选择Stable，Linux，Conda，Python，CPU
• 执行给出的指令: conda install pytorch torchvision torchaudio cpuonly -c pytorch

创建虚拟Python环境

• conda创建虚拟环境: conda create --name ChatGLM2 python=3.10.6 -y

• –name 后面ChatGLM2为创建的虚拟环境名称
• python=之后输入自己想要的python版本
• -y表示后面的请求全部为yes，这样就不用自己每次手动输入yes了。

• 激活虚拟环境: conda activate ChatGLM2

大语言模型ChatGLM2-6B安装

• 源码/文档: https://github.com/THUDM/ChatGLM2-6B
• 下载源码: git clone https://github.com/THUDM/ChatGLM2-6B
• 创建ChatGLM2项目的虚拟环境: python -m venv venv
• 激活虚拟环境venv: source ./venv/bin/activate
• 安装依赖(豆瓣源): pip install -r requirements.txt -i https://pypi.douban.com/simple

• 参数：-r 是read的意思，可以把要安装的文件统一写在一个txt中，批量下载
• 参数：-i 后面是下载的网址，这里使用的是豆瓣源,下载安装大概十几分钟
• 清华大学源: pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
• 阿里云源: pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

• 也可以离线安装

pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
pip install -r requirements.txt --no-index --find-links=/home/ChatGLM2/chatglm2-dependence

• 安装依赖: pip install gradio -i https://pypi.douban.com/simple

从Hugging Face Hub下载模型实现和参数文件

• 在上面的ChatGLM2-6B目录下新建THUDM文件夹
• 在THUDM文件夹下新建chatglm2-6b文件夹和chatglm2-6b-int4文件夹
• 下载模型实现和参数文件: git clone https://huggingface.co/THUDM/chatglm2-6b
• 也可以仅下载模型实现: GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/THUDM/chatglm2-6b
• 然后从清华大学下载模型参数文件: https://cloud.tsinghua.edu.cn/d/674208019e314311ab5c/?p=%2F&mode=list
• 把下载后的所有文件放到上面新建的chatglm2-6b文件夹
• 如果需要使用量化模型和参数，chatglm2-6b-int4的模型和参数文件地址: https://huggingface.co/THUDM/chatglm2-6b-int4，下载方式与chatglm2-6b一样

• 国内无法访问huggingface.co，可以让国外的朋友帮忙下载
• 可以从这里下载模型实现
• 然后从清华大学下载参数文件

修改启动脚本

如果使用有chatglm2-6b-int4，需要修改cli_demo.py、api.py、web_demo.py、web_demo2.py

# 修改前
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True).cuda()

# 修改后
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b-int4", trust_remote_code=True)
# GPU用cuda()，CPU用float()
model = AutoModel.from_pretrained("THUDM/chatglm2-6b-int4", trust_remote_code=True).float()

修改 web_demo.py文件

• 除了需要按上面修改，还需要在最后一行，将demo.queue().lanuch函数改为如下

demo.queue().launch(share=True, inbrowser=True, server_name = '0.0.0.0')

• 在predict函数中，第二句话改为

for response, history in model.stream_chat ( tokenizer ,input ,history,past_key_values=past_key_values, return_past_key_values=False, max_length=max_length, top_p=top_p,
temperature=temperature)

启动

• 启动基于 Gradio 的网页版 demo: python web_demo.py
• 启动基于 Streamlit 的网页版 demo: streamlit run web_demo2.py
• 网页版 demo 会运行一个 Web Server，并输出地址。在浏览器中打开输出的地址即可使用。 经测试，基于 Streamlit 的网页版 Demo 会更流畅。
• 命令行 Demo: python cli_demo.py

API部署

• 安装额外的依赖: pip install fastapi uvicorn -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
• 运行: python api.py
• 通过 POST 方法进行调用:

curl -X POST "http://192.168.3.109:8000" -H "Content-Type: application/json" -d "{\"prompt\": \"你好\", \"history\": []}"

• 得到的返回值为

{"response":"你好！我是人工智能助手 ChatGLM2-6B，很高兴见到你，欢迎问我任何问题。","history":[["你好","你好！我是人工智能助手 ChatGLM2-6B，很高兴见到你，欢迎问我任何问题。"]],"status":200,"time":"2023-10-18 14:26:48"}

可视化交互界面

协议

• 本仓库的代码依照 Apache-2.0 协议开源，ChatGLM2-6B 模型的权重的使用则需要遵循 Model License。ChatGLM2-6B 权重对学术研究完全开放，在填写问卷进行登记后亦允许免费商业使用。

总结

• 如果机器的内存资源不多，命令行交互模式、可视化模式、API模式，通常只能运行一种
• 再启动另外一个脚本时，会导致前一个启动的进行被killed
• ChatGLM2在多个中文数据集上测试结果优于GPT，比上代版本ChatGLM1有较大改善，受限于训练数据和资源，从实际效果看推理对话内容仍比较简单，本次部署在云端的CPU，推理过程需要几分钟，甚至十几分钟，不过重在体验，看下效果。有兴趣的话使用GPU能够较大程度提高反应速度，几秒就能给出答案。