本文以搭载了第四代英特尔^® 至强^® 可扩展处理器（Sapphire Rapids）的计算型ecs.c3i.24xlarge为例，为您介绍如何在ECS云服务器上部署ChatGLM-6B大语言模型。

背景信息

ChatGLM-6B是一个具有62亿参数的、支持中英双语问答的对话语言模型，基于General Language Model（GLM）架构，结合模型量化技术，支持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ChatGLM相同的技术，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。

环境要求

实例配置

部署ChatGLM-6B模型，推荐的实例配置如下：

运行环境

• Anaconda：获取包且对包能够进行管理的工具，包含了Conda、Python在内的超过180个科学包及其依赖项，用于创建Python虚拟环境。本文以Anaconda 3和Python 3.8.3为例。
• Transformers：一种神经网络架构，用于语言建模、文本生成和机器翻译等任务。本文以4.33.2为例。
• Gradio：快速构建机器学习Web展示页面的开源Python库。本文以3.44.4为例。

使用说明

下载本文所需软件需要访问国外网站，建议您增加网络代理（例如FlexGW）以提高访问速度。您也可以将所需软件下载到本地，参考本地数据上传到实例中。

操作步骤

步骤一：创建实例

1. 请参考通过向导购买实例创建一台符合以下条件的实例：

   • 基础配置：
     • 计算规格：ecs.c3i.24xlarge
     • 镜像：Ubuntu 22.04
     • 存储：云盘容量在100 GiB以上
       
   • 网络配置：勾选“分配弹性公网IP”。

2. 创建成功后，在实例绑定的安全组中添加入方向规则：放行TCP 7860端口，具体操作请参见修改安全组访问规则。

步骤二：创建虚拟环境

1. 执行以下命令，下载Anaconda安装包。
   wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
2. 执行以下命令，安装Anaconda。
   bash Anaconda3-2022.05-Linux-x86_64.sh
   1. 持续按“Enter”键进行安装。
      
   2. 输入“yes”，并按“Enter”键确认信息。
      
   3. Anaconda的安装路径/root/anaconda3，请按“Enter”键确认安装。
      
   4. 输入“yes”，并按“Enter”键确定初始化Anaconda。
      
3. 执行以下命令使配置文件生效。
   source ~/.bashrc
   回显如下，表示配置成功，进入base环境。
   
4. 创建一个名为“SPR”的虚拟环境，并指定该环境中的python版本为3.8.3。
   1. 执行conda create -n SPR python=3.8.3命令。
   2. 回显Proceed ([y]/n)?时输入“y”回车确认。
   3. 执行以下命令，激活虚拟环境。
      conda activate SPR
      回显如下，表示激活成功。
      

步骤三：部署模型并验证

1. 执行以下命令，下载ChatGLM-6B大模型的权重文件。
   wget https://ai-llm.tos-cn-beijing.volces.com/chatglm-6b/GLM-6B-SPR.tar.gz

2. 执行以下命令，解压文件包。
   tar -zxvf GLM-6B-SPR.tar.gz
   执行ll命令查看解压后的文件列表，如下图所示。
   

3. 执行以下命令，安装相应的Intel依赖包。
   pip install mkl==2023.1.0 intel-openmp==2023.1.0

4. 依次执行以下命令，在Conda环境下安装内存分配器Jemalloc。

   conda install jemalloc
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
   pip install transformers
   

5. 安装Gradio。

   1. 执行pip install gradio sentencepiece命令，安装Gradio。
   2. 执行pip list | grep gradio命令进行验证，回显如下表示已成功安装。
      

6. 修改源。

   1. 执行vim /etc/apt/sources.list命令，打开源文件。
   2. 按i进入编辑模式，添加如下内容。

      deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
      deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
      deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
      deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
      deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
      deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
      deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
      deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
      deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
      deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
      

   3. 按esc退出编辑模式，输入:wq并按Enter键，保存并退出文件。

7. 执行apt update命令，更新软件包。

8. 依次执行以下命令安装依赖包。

   cd bloom  #切换至bloom目录
   pip install bloom_fp16-0.0.0-cp38-cp38-linux_x86_64.whl
   pip install chatglm_hybrid-0.0.0-cp38-cp38-linux_x86_64.whl
   pip install chatglm_fp32-0.0.0-cp38-cp38-linux_x86_64.whl
   apt install numactl 
   

9. 安装完成后，执行cd命令退出当前目录。

10. 修改chatglm/webui目录下的demo文件导出路径，加载本地ChatGLM模型。

    1. 执行vim read_path.py命令，新建寻址文件，并添加如下内容。

       import torch
       import os
       import sys
       
       def get_pytorch_install_dir():
           return os.path.dirname(os.path.abspath(torch.__file__))
       
       pytorch_install_dir = get_pytorch_install_dir()
       python_dir = sys.prefix
       
       print("PyTorch Library Path: " + pytorch_install_dir)
       print("Python Library Path: " + python_dir + "/lib")
       print("MKL Dynamic Library Path: " + python_dir + "/lib/libmkl_rt.so.2")
       

    2. 按esc退出编辑模式，输入:wq并按Enter键，保存并退出文件。

    3. 依次执行以下命令，查看Dynamic路径。

       cd chatglm
       python read_path.py 
       

       如下图，本例中的Dynamic路径为root/anaconda3。
       

    4. 执行以下命令，打开demo文件。
       vim /root/chatglm/webui/start_demo.sh*

    5. 按i进入编辑模式，修改导出路径为root/anaconda3（与Dynamic保持一致），如下图所示。
       

11. 依次执行以下命令，运行start_demo.sh*脚本。

    cd webui
    ./start_demo.sh*	
    

    

12. 浏览器访问public URL（https://<公网IP>.gradio.live），如下图所示，表示成功使用Gradio构建AI应用程序。