You need to enable JavaScript to run this app.
导航
云服务器
  • 文档首页
    • /云服务器/云服务器ECS/最佳实践/自助建站/AIGC实践/搭建ChatGLM-6B大语言模型
搭建ChatGLM-6B大语言模型
最近更新时间：2023.12.08 11:35:04首次发布时间：2023.10.13 11:34:15
我的收藏

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：

类型实例规格vCPU内存（GiB）操作系统
推荐ecs.c3i.24xlarge96192Ubuntu 22.04
性价比最佳ecs.g3i.8xlarge32128Ubuntu 22.04
最小配置ecs.r3i.4xlarge16128Ubuntu 22.04

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
        alt
    • 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。
      alt
    2. 输入“yes”，并按“Enter”键确认信息。
      alt
    3. Anaconda的安装路径/root/anaconda3，请按“Enter”键确认安装。
      alt
    4. 输入“yes”，并按“Enter”键确定初始化Anaconda。
      alt
  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。
    alt
  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。
      alt

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。
    alt

  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。
      alt

  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。
      alt

    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。
      alt

  11. 依次执行以下命令，运行start_demo.sh*脚本。

    cd webui
./start_demo.sh*

    alt

  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。
    alt