【实战】ChatGLM-6B-部署与使用

介绍使用 DAMODEL 深度学习平台部署 ChatGLM-6B 模型，然后通过 Web API 的形式使用本地代码调用服务端的模型进行对话。

YourMi_AI

914人浏览 · 2024-08-13 10:28:27

YourMi_AI · 2024-08-13 10:28:27 发布

ChatGLM-6B-部署与使用

ChatGLM-6B 是由清华大学和智谱 AI 开源的一款对话语言模型，基于 General Language Model (GLM)架构，具有 62 亿参数。该模型凭借其强大的语言理解和生成能力、轻量级的参数量以及开源的特性，已经成为在学术界和工业界引起了广泛关注。

本篇将介绍使用 DAMODEL 深度学习平台部署 ChatGLM-6B 模型，然后通过 Web API 的形式使用本地代码调用服务端的模型进行对话。

一、DAMODEL-ChatGLM-6B 服务端部署

DAMODEL（丹摩智算）是添加链接描述专为 AI 打造的智算云，致力于提供丰富的算力资源与基础设施助力 AI 应用的开发、训练、部署。

1.1、实例创建

首先进入 DAMODEL 控制台，点击资源-GPU 云实例，点击创建实例：
在这里插入图片描述

进入创建页面后，首先在实例配置中首先选择付费类型为按量付费，其次选择单卡启动，然后选择需求的 GPU 型号，本次实验可以选择选择：按量付费–GPU 数量 1–NVIDIA-GeForc-RTX-4090，该配置为 60GB 内存，24GB 的显存。
在这里插入图片描述

继续往下翻，配置数据硬盘的大小，每个实例默认附带了 50GB 的数据硬盘，本次创建可以就选择默认大小 50GB，可以看到，平台提供了一些基础镜像供快速启动，镜像中安装了对应的基础环境和框架，这里选择 PyTorch1.13.1 的框架启动，也可以选择 PyTorch2.1.2 版本启动。
在这里插入图片描述

点击创建密钥对，输入自定义的名称，创建好密钥对后，选择刚刚创建好的密钥对，并点击立即创建，等待一段时间后即可启动成功！
在这里插入图片描述

1.2、模型准备

启动环境后，打开终端，用 git 克隆ChatGLM-6B项目，若遇到github连接超时，可以选择gitcode站点，或者离线下载并上传到项目中。

cd /home/aistudio/work/
git clone https://github.com/THUDM/ChatGLM-6B.git
# 如果遇见github因为网络问题导致失败，可选择gitcode站点进行下载
# git clone https://gitcode.com/applib/ChatGLM-6B.git

成功克隆项目后，会显示如下文件夹：
在这里插入图片描述

其次 cd 进入该文件夹，使用 pip 安装项目依赖：

pip install -r requirements.txt

可以看到 DAMODEL 平台环境依赖的下载安装速度可以达到 18MB/s 以上，非常迅速，等待片刻显示如下 Successfully installed 则说明依赖安装完成！
在这里插入图片描述

依赖安装成功后，我们需要引入模型文件，比较方便的是，DAMODEL（丹摩智算）提供了数据上传功能，用户有 20GB 免费存储空间，该空间被挂载到实例的/root/shared-storage目录，跨实例共享。

这里首先点击文件存储，点击上传文件。
在这里插入图片描述

然后下载 Hugging Face 上的 ChatGLM-6B 预训练模型，也可以进入魔塔社区选择Chatglm3-6B里的所有文件进行下载。
在这里插入图片描述

然后将下载下来的模型文件及配置进行上传并解压，上传时尽量保持该界面首页显示，等待上传成功后再进行其他操作。
在这里插入图片描述

1.3、模型启动

上传好预训练模型及解压后，我们就可以去启动 python 脚本运行了，ChatGLM-6B 提供了cli_demo.py和web_demo.pys两个文件来启动模型，第一个是使用命令行进行交互，第二个是使用本机服务器进行网页交互。
由于要使用本地模型启动，所以我们需要把从 Hugging Face Hub 加载改为本地路径加载，打开cli_demo.py和web_demo.py文件，将这两行代码改为从本地文件目录加载预训练模型。
在这里插入图片描述

然后在终端输入 pythoncli_demo.py就可以成功启动模型了，在cli_demo.py中，main函数启动一个无限循环，等待用户输入。用户可以输入文本与模型进行对话，或输入"clear"清空对话历史并清除屏幕，或输入"stop"退出程序。对于正常的对话输入。
启动模型后的效果如下图所示：
在这里插入图片描述

也可以在终端输入python web_demo.py，通过 Web 界面与模型进行交互。

在这里插入图片描述

不过由于 Jupyter 的限制，无法直接打开访问服务器的127.0.0.1:7860网页端交互界面，这里可以利用 MobaXterm 建立 ssh 隧道，实现远程端口到本机端口的转发。首先打开 tunneling，新建 SSH 通道，填入 ssh 的相关配置，并将 7860 通道内容转发到本机，点击 start 开始转发：
在这里插入图片描述

转发成功后，就可以成功在网页与模型进行交互了，效果如下：
在这里插入图片描述

二、通过 Web API 实现本地使用

2.1、启动服务

通过以上步骤，我们成功启动了 ChatGLM-6B 模型，并可以在服务器的 JupyterLab 中进行对话，下面我们将其部署为 API 服务，然后在本地进行使用。
同样 ChatGLM-6B 模型为我们提供了api.py文件，它实现了一个基于 FastAPI 框架 API 服务，其接收一个HTTP POST请求，该请求体包含文本生成所需的参数，如 prompt（提示文本）、history（对话历史）、max_length（生成文本的最大长度）、top_p（采样时的累积概率阈值）和 temperature（采样时的温度参数，影响生成文本的随机性）。在接收到请求后，该服务使用预训练的模型和分词器（tokenizer）来生成一个响应文本，并更新对话历史。随后生成的响应文本、更新后的对话历史、状态码（固定为 200）和当前时间戳被打包成一个 JSON 对象并返回给客户端。
我们可以直接在终端 cd 进入 ChatGLM-6B 文件夹，运行api.py文件：

cd ChatGLM-6B
python api.py

显示如下提示则说明启动成功！
在这里插入图片描述

2.2、开放端口

其次需要为本地访问开放对应的端口，首先需要点击访问控制，进入端口开放页面：
在这里插入图片描述

然后点击添加端口，输入端口号，并点击确定开放：
在这里插入图片描述

点击确认开放端口后，平台会给出访问链接，将其复制以便后续使用
在这里插入图片描述

做完以上这些步骤后，服务器端就已经部署好了，接下来测试本地调用效果!

2.3、使用 PostMan 测试功能

打开 PostMan，新建一个 Post，将刚刚复制的网址粘贴到 url 栏，然后在 Body 中填入相应的内容。
在这里插入图片描述

Body 示例内容如下：

{
  "prompt": "你好，你是谁？",
  "max_length": 512,
  "top_p": 0.9,
  "temperature": 0.7
}

点击 send 后，显示以下 response 则说明成功！
在这里插入图片描述

2.4、本地代码使用功能

测试完成后，下面开始转到本地开发，以下是一个基础的单轮对话功能示例代码：

import requests
import json

# API的URL
# 即刚刚复制的访问链接
api_url = "http://cqbiq6nhri0c73eq3cv0-8000.agent.damodel.com"

data = {
    "prompt": "你好，你是谁?",
    "max_length": 500,
    "top_p": 0.9,
    "temperature": 1.0
}

# 发送POST请求
response = requests.post(api_url, json=data)

# 检查响应状态码
if response.status_code == 200:
    result = response.json()
    print("Response:", result['response'])
    print("Updated History:", result['history'])
    print("Time:", result['time'])
else:
    print("Failed to get response from the API. Status code:", response.status_code)
    print(response.text)

在此基础上，我们可以实现一个基于 ChatGLM-6B 模型的简单对话系统，在本地通过命令行与 DAMODEL 部署好的模型进行交互。对于正常的对话输入，程序将用户的输入作为 prompt，连同当前的对话历史记录 conversation_history、最大生成长度 max_length、top_p 和 temperature 等参数一起发送到指定的 API URL。然后，它检查 API 的响应状态码。如果状态码为 200，表示请求成功，程序将打印出 API 返回的响应内容和更新后的对话历史记录，并更新 conversation_history 列表。
以下是一个多轮对话的示例代码：

import requests
import json

api_url = "http://cqbiq6nhri0c73eq3cv0-8000.agent.damodel.com"

conversation_history = []
print("欢迎使用 ChatGLM-6B 模型，输入内容即可进行对话，clear 清空对话历史，stop 终止程序")

while True:
    query = input("\n用户：")
    if query.strip() == "stop":
        break
    if query.strip() == "clear":
        history = []
        os.system(clear_command)
        print("欢迎使用 ChatGLM-6B 模型，输入内容即可进行对话，clear 清空对话历史，stop 终止程序")
        continue
    prompt = query
    data = {
        "prompt": prompt,
        "history": conversation_history,
        "max_length": 5000,
        "top_p": 0.9,
        "temperature": 0.9
    }
    response = requests.post(api_url, json=data)
    if response.status_code == 200:
        result = response.json()
        print("Response:", result['response'])
        print("Updated History:", result['history'])

        conversation_history = result['history']

    else:
        print("Failed to get response from the API. Status code:", response.status_code)
        print(response.text)