书生·浦语训练营二期第二次笔记

本文主要是介绍书生·浦语训练营二期第二次笔记，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. 部署 InternLM2-Chat-1.8B 模型进行智能对话

1.1 配置环境

创建conda环境，安装必要的库

studio-conda -o internlm-base -t demo
# 与 studio-conda 等效的配置方案
# conda create -n demo python==3.10 -y
# conda activate demo
# conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

在这里插入图片描述

配置完成后，进入到新创建的 conda 环境之中：

conda activate demo

在这里插入图片描述

输入以下命令，完成环境包的安装：

pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

在这里插入图片描述
查看该环境内已安装的包

conda list

1.2 下载 InternLM2-Chat-1.8B 模型

按路径创建文件夹，并进入到对应文件目录中：

mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo

这里的touch命令用于创建两个空的Python文件:cli_demo.py和download_mini.py。如果这些文件已经存在,touch命令不会更改它们的内容,只会更新时间戳。

touch命令通常用于:

创建空文件
更新文件的时间戳(访问时间和修改时间)
避免在脚本或Makefile中创建文件时出现"文件不存在"的错误
通过左侧文件夹栏目，双击进入demo文件夹。

双击打开 /root/demo/download_mini.py 文件，复制以下代码：

import os
from modelscope.hub.snapshot_download import snapshot_download# 创建保存模型目录
os.system("mkdir /root/models")# save_dir是模型保存到本地的目录
save_dir="/root/models"snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", cache_dir=save_dir, revision='v1.1.0')

在这里插入图片描述
3. 执行命令，下载模型参数文件：

python /root/demo/download_mini.py

在这里插入图片描述
4. 运行 cli_demo
双击打开 /root/demo/cli_demo.py 文件，复制以下代码：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLMmodel_name_or_path = "/root/models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
model = model.eval()system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""messages = [(system_prompt, '')]print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")while True:input_text = input("\nUser  >>> ")input_text = input_text.replace(' ', '')if input_text == "exit":breaklength = 0for response, _ in model.stream_chat(tokenizer, input_text, messages):if response is not None:print(response[length:], flush=True, end="")length = len(response)

使用 Hugging Face Transformers 库与 InternLM 对话模型进行交互的 Python代码。

加载分词器和模型:

tokenizer = AutoTokenizer.from_pretrained(...): 加载与模型相对应的分词器。
model = AutoModelForCausalLM.from_pretrained(...): 加载语言模型,使用 bfloat16 数据类型,并指定设备为 cuda:0。
model = model.eval(): 将模型设置为评估模式。

定义系统提示:

system_prompt = """...""": 定义一个系统提示,介绍 InternLM 助手的基本信息。

初始化消息列表:

messages = [(system_prompt, '')]: 将系统提示添加到消息列表中。

开始交互循环:

while True: 进入无限循环,直到用户输入 “exit” 时退出。
input_text = input("\nUser >>> "): 提示用户输入问题。
input_text = input_text.replace(' ', ''): 去除输入文本中的空格。

生成助手的响应:

for response, _ in model.stream_chat(tokenizer, input_text, messages): 使用 stream_chat 方法生成助手的响应。
tokenizer: 分词器对象。
input_text: 用户输入的问题。
messages: 之前的对话消息列表。

循环内部:
如果 response 不为 None,则打印从上次打印的长度到当前长度的新生成内容。
更新 length 变量为当前响应的长度。