大规模语言模型（LLM）作为深度学习算法训练的自然语言处理工具，正在迅速发展。狭义上，LLM专注于自然语言理解和生成，广义上则涵盖了机器视觉（CV）、多模态大模型和科学计算模型等应用。

1 开源LLM背景

当前，开源LLM的竞争异常激烈，涌现出诸多杰出的模型，包括国外的LLaMA和Alpaca，以及国内的ChatGLM、BaiChuan和InternLM（书生·浦语）等。

这些开源模型的出现使得用户能够在本地部署和私域微调，方便每位开发者基于现有技术构建独特的模型，提升其应用价值。

近期，Meta于2024年7月23日发布了Llama 3.1系列，标志着其开源模型的一个新高峰。

该系列中，Llama 3.1 405B模型以4050亿参数和支持128K Tokens的上下文长度引人注目，是迄今为止Meta最大规模的训练成果，训练过程利用了超过15万亿Tokens和超过1.6万个H100 GPU。

与其他模型相比，Llama 3.1不仅在规模上实现了突破，同时在性能和灵活性方面也展现了其在多种任务中的潜力。

对于程序员而言，这一系列的发布提供了新的契机，能够在更高效的基础上进行创新和应用开发。

2 部署流程

1. 创建实例。

   

2. 进入创建页面后，首先在实例配置中选择付费类型，一般短期需求可以选择按量付费或者包日，长期需求可以选择包月套餐。

   

3. 选择GPU数量和需求的GPU型号，首次创建实例推荐选择：

   • 按量付费–GPU数量1–NVIDIA-GeForc-RTX-4090，该配置为60GB内存，24GB的显存（本次测试的LLaMA3.1 8B 版本至少需要GPU显存16G）。
   • 配置数据硬盘的大小，每个实例默认附带了50GB的数据硬盘，首次创建可以就选择默认大小50GB。

   

4. 继续选择安装的镜像，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，可通过勾选来筛选框架，这里筛选PyTorch，选择PyTorch 2.4.0。

   

5. 为保证安全登录，创建密钥对，输入自定义的名称，然后选择自动创建并将创建好的私钥保存的自己电脑中并将后缀改为.pem，以便后续本地连接使用。

   

6. 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！

   

3 登录实例

1. 等待实例创建成功，在 GPU云实例 中查看实例信息。

   

2. 平台提供了在线访问实例的 JupyterLab 入口，可以直接登录实例：

3. 登录后一般会在 /root/workspace 目录下，服务器各个路径具体意义如下：

   1. /：系统盘，替换镜像，重置系统时系统盘数据都会重置。
   2. /root/workspace：数据盘，支持扩容，保存镜像时此处数据不会重置。
   3. /root/shared-storage：共享文件存储，可跨实例存储。

4. SSH登录：

   SSH只是登录方式，工具可以是系统自带终端、Xshell、MobaXterm等。

   SSH登录一般需要以下 4 个信息：

   • 用户名：root
   • 远程主机域名或IP（这里使用host域名）：实例页面获取
   • 端口号：实例页面获取
   • 登录密码或密钥（这里使用密钥）：前面创建实例时保存到本地的密钥

   在实例页面获取主机host和端口号：

   

复制结果类似如下：

ssh -p 31729 root@gpu-s277r6fyqd.ssh.damodel.com

其中，gpu-s277r6fyqd.ssh.damodel.com 即主机host，31729 为端口号。

终端登录方式详见SSH登录与密钥对。

4 部署LLama3.1

1. 使用 conda 管理环境，DAMODEL示例已经默认安装了 conda 24.5.0 ，直接创建环境即可：

conda create -n llama3 python=3.12

2. 环境创建好后，使用如下命令切换到新创建的环境：

conda activate llama3

3. 继续安装部署LLama3.1需要的依赖：

pip install langchain==0.1.15
pip install streamlit==1.36.0
pip install transformers==4.44.0
pip install accelerate==0.32.1

4. 安装好后，下载 Llama-3.1-8B 模型，平台已预制Llama-3.1-8B-Instruct模型，执行以下命令即可内网高速下载：

wget http://file.s3/damodel-openfile/Llama3/Llama-3.1-8B-Instruct.tar

5. 下载完成后解压缩/Llama-3.1-8B-Instruct.tar

tar -xf Llama-3.1-8B-Instruct.tar

5 使用教程

1. 模型下载好后，准备加载模型及启动Web服务等工作，新建 llamaBot.py 文件并在其中输入以下内容：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import streamlit as st

# 创建一个标题和一个副标题
st.title("💬 LLaMA3.1 Chatbot")
st.caption("🚀 A streamlit chatbot powered by Self-LLM")

# 定义模型路径
mode_name_or_path = '/root/workspace/Llama-3.1-8B-Instruct'

# 定义一个函数，用于获取模型和tokenizer
@st.cache_resource
def get_model():
    # 从预训练的模型中获取tokenizer
    tokenizer = AutoTokenizer.from_pretrained(mode_name_or_path, trust_remote_code=True)
    tokenizer.pad_token = tokenizer.eos_token
    # 从预训练的模型中获取模型，并设置模型参数
    model = AutoModelForCausalLM.from_pretrained(mode_name_or_path, torch_dtype=torch.bfloat16).cuda()
  
    return tokenizer, model

# 加载LLaMA3的model和tokenizer
tokenizer, model = get_model()

# 如果session_state中没有"messages"，则创建一个包含默认消息的列表
if "messages" not in st.session_state:
    st.session_state["messages"] = []

# 遍历session_state中的所有消息，并显示在聊天界面上
for msg in st.session_state.messages:
    st.chat_message(msg["role"]).write(msg["content"])

# 如果用户在聊天输入框中输入了内容，则执行以下操作
if prompt := st.chat_input():
    
    # 在聊天界面上显示用户的输入
    st.chat_message("user").write(prompt)
    
    # 将用户输入添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "user", "content": prompt})

    # 将对话输入模型，获得返回
    input_ids = tokenizer.apply_chat_template(st.session_state["messages"],tokenize=False,add_generation_prompt=True)
    model_inputs = tokenizer([input_ids], return_tensors="pt").to('cuda')
    generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)
    generated_ids = [
        output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
    ]
    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

    # 将模型的输出添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "assistant", "content": response})
    # 在聊天界面上显示模型的输出
    st.chat_message("assistant").write(response)
    print(st.session_state)

2. 在终端中运行以下命令，启动 streamlit 服务，server.port 可以更换端口：

streamlit run llamaBot.py --server.address 0.0.0.0 --server.port 1024

需注意服务地址务必指定位0.0.0.0，否则无法通过浏览器访问

接下来我们需要通过丹摩平台提供的端口映射能力，把内网端口映射到公网；

进入GPU 云实例页面，点击操作-更多-访问控制：

点击添加端口，添加streamlit服务对应端口：

添加成功后，通过访问链接即即可打开LLaMA3.1 Chatbot交互界面，并与其对话：