ChatGLM3

---

关于 ChatGLM3

ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型。

• Github ：https://github.com/THUDM/ChatGLM3
• 模型地址：
  • huggingface：https://huggingface.co/THUDM/chatglm3-6b
  • modelscope：https://modelscope.cn/models/ZhipuAI/chatglm3-6b/summary

---

新特性

ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。

ChatGLM3-6B 是 ChatGLM3 系列中的开源模型，在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上，ChatGLM3-6B 引入了如下特性：

1. 更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。
   在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。
2. 更完整的功能支持： ChatGLM3-6B 采用了全新设计的 Prompt 格式，除正常的多轮对话外。同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。
   同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。
3. 更全面的开源序列： 除了对话模型 ChatGLM3-6B 外，还开源了基础模型 ChatGLM3-6B-Base、长文本对话模型 ChatGLM3-6B-32K。以上所有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。

---

模型

Model	Seq Length	Download
ChatGLM3-6B	8k	HuggingFace | ModelScope
ChatGLM3-6B-Base	8k	HuggingFace | ModelScope
ChatGLM3-6B-32K	32k	HuggingFace | ModelScope

---

下载

1、Huggingface.cn 上手动下载模型及其文件（注：需 ）
安装 lfs 方便本地下载 ChatGLM2-6B 大模型
从 Hugging Face Hub 下载模型实现和参数 到本地，后期使用 只需要 从本地下载即可。

git lfs install
git clone https://huggingface.co/THUDM/chatglm3-6b

注：模型的实现仍然处在变动中。如果希望固定使用的模型实现以保证兼容性，可以在 from_pretrained 的调用中增加 revision=“v1.0” 参数。
v1.0 是当前最新的版本号，完整的版本列表参见 Change Log。

---

2、modelscop 上手动下载模型及其文件 【推荐】

# 安装 modelscope
pip install modelscope

---

使用 modelscope 下载 Chatglm3 (Python 代码)

from modelscope.hub.snapshot_download import snapshot_download

model_dir = snapshot_download('THUDM/chatglm3-6b', cache_dir='./model', revision='master')
 

如果你网速很好，下载就很快；如果是kb/s，那么大文件下载会失败。

---

3、Huggingface的镜像网站下载

镜像：https://hf-mirror.com/THUDM

---

环境搭建

下载代码

git clone https://github.com/THUDM/ChatGLM3
cd ChatGLM3

构建环境

conda create -n py310_chat python=3.10       # 创建新环境
source activate py310_chat                   # 激活环境

# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

---

transformers 库版本推荐为 4.30.2，torch 推荐使用 2.0 及以上的版本，以获得最佳的推理性能。

---

模型推理

通过如下代码，调用 ChatGLM 模型来生成对话：

from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True, device='cuda')
model = model.eval()
response, history = model.chat(tokenizer, "你好", history=[])
print(response)
>>>
晚上睡不着可能会让你感到焦虑或不舒服,但以下是一些可以帮助你入睡的方法:

你好!我是人工智能助手 ChatGLM3-6B,很高兴见到你,欢迎问我任何问题。
response, history = model.chat(tokenizer, "晚上睡不着应该怎么办", history=history)
print(response)
>>>
1. 制定规律的睡眠时间表:保持规律的睡眠时间表可以帮助你建立健康的睡眠习惯,使你更容易入睡。尽量在每天的相同时间上床,并在同一时间起床。
2. 创造一个舒适的睡眠环境:确保睡眠环境舒适,安静,黑暗且温度适宜。可以使用舒适的床上用品,并保持房间通风。
3. 放松身心:在睡前做些放松的活动,例如泡个热水澡,听些轻柔的音乐,阅读一些有趣的书籍等,有助于缓解紧张和焦虑,使你更容易入睡。
4. 避免饮用含有咖啡因的饮料:咖啡因是一种刺激性物质,会影响你的睡眠质量。尽量避免在睡前饮用含有咖啡因的饮料,例如咖啡,茶和可乐。
5. 避免在床上做与睡眠无关的事情:在床上做些与睡眠无关的事情,例如看电影,玩游戏或工作等,可能会干扰你的睡眠。
6. 尝试呼吸技巧:深呼吸是一种放松技巧,可以帮助你缓解紧张和焦虑,使你更容易入睡。试着慢慢吸气,保持几秒钟,然后缓慢呼气。

如果这些方法无法帮助你入睡,你可以考虑咨询医生或睡眠专家,寻求进一步的建议。

注：以上代码会由 transformers 自动下载模型实现和参数。
完整的模型实现在 Hugging Face Hub。如果你的网络环境较差，下载模型参数可能会花费较长时间甚至失败。此时可以先将模型下载到本地，然后从本地加载。【参考：2.4 大模型下载方式】

---

网页版 模型推理

1、基于 Gradio

可以通过以下命令启动基于 Gradio 的网页版 demo：

安装 gradio

pip install gradio

---

修改 web_demo.py 部分代码

# 修改一：模型路径 统一修改
model_path = "/data/chat/hatglm3-6b"
tokenizer = AutoTokenizer.from_pretrained(
    model_path, trust_remote_code=True
)
model = AutoModel.from_pretrained(
    model_path, trust_remote_code=True
).cuda()
model = model.eval()
...

# 修改二：默认使用了 share=False 启动，不会生成公网链接。如有需要公网访问的需求，可以修改为 share=True 启动。
demo.queue().launch(share=True, inbrowser=True)

---

运行 以下命令

python web_demo.py 

---

2、基于 Streamlit

基于 Streamlit 的网页版 Demo web_demo2.py。

安装 streamlit streamlit-chat

pip install streamlit streamlit-chat 

---

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

运行仓库中 cli_demo.py：

python cli_demo.py

---

API 部署

安装额外的依赖 fastapi uvicorn

pip install fastapi uvicorn

---

运行 api 接口

python api.py

---

使用
默认部署在本地的 8000 端口，通过 POST 方法进行调用

curl -X POST "http://127.0.0.1:8000" \
     -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 ChatGLM3，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 ChatGLM3，很高兴见到你，欢迎问我任何问题。"]],
  "status":200,
  "time":"2023-03-23 21:38:40"
}

---

模型量化

默认情况下，模型以 FP16 精度加载，运行上述代码需要大概 13GB 显存。
如果你的 GPU 显存有限，可以尝试以量化方式加载模型，使用方法如下：

model = AutoModel.from_pretrained("THUDM/chatglm3-6b",trust_remote_code=True).quantize(4).cuda()

模型量化会带来一定的性能损失，经过测试，ChatGLM3-6B 在 4-bit 量化下仍然能够进行自然流畅的生成。

---

CPU 部署

如果你没有 GPU 硬件的话，也可以在 CPU 上进行推理，但是推理速度会更慢。使用方法如下（需要大概 32GB 内存）

model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True).float()

---

Mac 部署

对于搭载了 Apple Silicon 或者 AMD GPU 的 Mac，可以使用 MPS 后端来在 GPU 上运行 ChatGLM3-6B。需要参考 Apple 的 官方说明 安装 PyTorch-Nightly（正确的版本号应该是2.x.x.dev2023xxxx，而不是 2.x.x）。
目前在 MacOS 上只支持从本地加载模型。将代码中的模型加载改为从本地加载，并使用 mps 后端：

model = AutoModel.from_pretrained("your local path", trust_remote_code=True).to('mps')

---

多卡部署

如果你有多张 GPU，但是每张 GPU 的显存大小都不足以容纳完整的模型，那么可以将模型切分在多张GPU上。首先安装 accelerate:，然后通过如下方法加载模型：

pip install accelerate

---

from utils import load_model_on_gpus
model = load_model_on_gpus("THUDM/chatglm3-6b", num_gpus=2)

即可将模型部署到两张 GPU 上进行推理。你可以将 num_gpus 改为你希望使用的 GPU 数。
默认是均匀切分的，你也可以传入 device_map 参数来自己指定。

---

伊织 2023-10-31（二）