文章目录
- 一、背景
- 二、服务器选型
- 2.1. 运行要求
- 2.2. 服务器选型
- 三、服务器配置
- 3.1. 注册使用
- 3.2. 购买服务器并安装镜像
- 四、部署ChatGLM
- 4.1. Git加速配置
- 4.2. 下载ChatGLM源代码
- 4.3. 安装依赖
- 4.4. 启动脚本修改
- 4.5. 启动ChatGLM
- 五、使用
- 六、对话效果
- 七、关闭服务以及重启服务
一、背景
最近GPT不仅发布了GPT-4，而且解除封印可以联网了。不得不赞叹AI更新迭代的速度真快，都跟不上节奏了。但是大家也注意到了吧，随着GPT的每次更新，OpenAI对其开放使用的限制也越来越大。之前国内网随便访问GPT3，现在动不动就封号
所以，今天就来教大家部署国内清华大学开源的ChatGLM-6B。简单介绍下，ChatGLM是对话语言模型，对中文问答和对话进行了优化。当前训练模型有62亿参数，后续还会推出1300亿参数的大模型，期待国内的ChatGLM能越做越强大。
ChatGLM的开源地址： THUDM/ChatGLM-6B
废话不多说了，直接上效果，以下是由ChatGLM中文对话的结果
（文末给大家准备了ChatGLM的免费体验地址 和 算力平台免费体验方式，一定看到文章结尾哦）
二、服务器选型
2.1. 运行要求
硬件需求
| 量化等级 | 最低 GPU 显存（推理） | 最低 GPU 显存（高效参数微调） |
|---|---|---|
| FP16（无量化） | 13 GB | 14 GB |
| INT8 | 8 GB | 9 GB |
| INT4 | 6 GB | 7 GB |
2.2. 服务器选型
官方说明ChatGLM对硬件的配置要求至少13G的显存
要准备的东西如下：
一台GPU云服务器（16GB显存，32G内存）
云服务器上已安装好显卡驱动cuda和pytorch框架（平台都有现成的镜像，直接安装即可）
再来说说服务器厂商的选择，GPU服务器比较贵，所以小卷对比了一些大厂和小厂的GPU规格，这里只看配置符合要求且价钱合适的
| 厂商 | 配置 | 价钱 | 优势 |
|---|---|---|---|
| 阿里云 | 4核-15G内存-16显存NVIDIA T4 | 1878/月 | 大厂服务，但是价钱太贵 |
| 腾讯云 | 10核-40G- NVIDIA T4 | 8.68/小时 | 大厂服务，但独占1颗GPU价钱略高 |
| 华为云 | 8核-32G-16显存NVIDIA T4 | 3542/月 | 大太贵 |
| mistGPU | 8核-32G-24G显存NVIDIA 3090 | 4.5/小时 | 缺点：只有1GB免费存储 |
| 揽睿星舟 | 10核-40G-24G显存NVIDIA 3090 | 1.9/小时 | 推荐，配置高且价钱低，现在NVIDIA 3090有特价 |
我们这里使用揽睿星舟这个算力平台的服务器，价钱就是优势哦。需要注意的是，GPU服务器要选按量计费，就是你用的时候按使用时长计费，不用时关掉就不会计费
三、服务器配置
这一步购买服务器并安装环境，比较简单
3.1. 注册使用
3.2. 购买服务器并安装镜像
在网站的算力市场购买需要的服务器配置，这里我选的是3090-24G这款，点击使用按钮进入镜像安装界面
运行环境镜像选公共镜像 -> pytorch 直接用最新的就行，然后高级设置里选择预训练模型chatglm-6b（这样会预先加载chatGLM的模型到服务器，无需再手动下载）然后创建实例（确保自己账号里有足够的余额）
等待5分钟左右，工作空间就创建好了，点击 进入-> JupyterLab进入服务器，接下来就准备ChatGLM的安装就行了
四、部署ChatGLM
4.1. Git加速配置
为了避免git clone太慢，提前在命令行设置git学术资源加速
# 执行下面2条命令，设置git学术资源加速
git config --global http.proxy socks5h://172.16.16.39:8443
git config --global https.proxy socks5h://172.16.16.39:8443
后面的步骤中再执行git clone命令就不会卡住了。
要取消git学术加速也简单，执行下面的命令（所有步骤执行完后再取消哦~）
#取消git学术资源加速
git config --global --unset https.proxy
git config --global --unset http.proxy
4.2. 下载ChatGLM源代码
进入Jupyter的页面后，可以看到2个目录，对目录做下说明：
- data目录，存放数据，平台共享的
- imported_models目录，存放预训练模型，即创建工作空间时你选择的模型
点击data目录下，可以看到ChatGLM-6B文件夹，里面是ChatGLM的源代码。
如果没有ChatGLM-6B目录，那么我们这一步需要下载代码，操作如下：
页面打开一个Terminal终端，在Terminal终端执行命令
git clone https://github.com/THUDM/ChatGLM-6B.git
4.3. 安装依赖
- 1.执行命令切换到ChatGLM-6B的目录
cd ChatGLM-6B
- 2.接着修改requirements.txt文件，把后续所有需要的依赖都加上，下面的配置加在文件末尾即可，如果文件里已加上这3个依赖，无需再修改。
chardet
streamlit
streamlit-chat
- 3.加完之后save保存下文件，如图
- 4.接着命令行执行下面命令安装依赖
#使用默认镜像源下载会超时，这里用了清华的pip镜像源地址
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
这一步可能会执行报错
.ERROR: Could not install packages due to an OSError: Missing dependencies for SOCKS support
解决方法：切换到root用户后再执行命令
# 切换root用户
sudo su# 重新执行
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
4.4. 启动脚本修改
因为模型是单独文件夹存储的，所以需要修改启动脚本中读模型文件的代码
为了能从公网访问我们的ChatGLM，需要修改监听地址为0.0.0.0，端口为27777，这个是揽睿星舟平台的调试地址
修改步骤：
- 1.修改web_demo2.py文件中的模型路径，替换为模型的绝对路径，修改方法如下：
修改前的代码
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
修改后的代码
tokenizer = AutoTokenizer.from_pretrained("/home/user/imported_models/chatglm-6b", trust_remote_code=True)model = AutoModel.from_pretrained("/home/user/imported_models/chatglm-6b", trust_remote_code=True).half().cuda()
修改完后ctrl + s保存一下
4.5. 启动ChatGLM
在ChatGLM-6B目录下，命令行执行
python3 -m streamlit run ./web_demo2.py --server.port 27777 --server.address 0.0.0.0
启动ChatGLM的webui界面
看到http://0.0.0.0:27777字样说明成功启动了
五、使用
我们需要从浏览器访问刚部署的服务，回到揽睿星舟平台
在工作空间页面上点击自定义服务拷贝调试链接，然后把拷贝的链接在浏览器上打开
然后你就可以在这个页面开始对话了
注意第一次对话时，程序会加载模型文件，耗时会比较长，可以从刚才启动的命令行查看加载进度。
等第一次加载完成后，后面再对话，响应就很快了
六、对话效果
到这一步，所有安装部署过程就成功完成了，我们来看看效果吧，拷贝的链接在手机端也能打开，下面是手机端的效果
七、关闭服务以及重启服务
因为我们的服务按使用量收费的，所以不用时在页面上点击停止运行即可
然后想重新运行服务的时候，点工作空间页面上的启动按钮。工作空间重新创建后，进入红色Jupyter，通过命令行再次启动
# 进入ChatGLM-6B目录
cd data/ChatGLM-6B/# 没挂系统盘时，要重新安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/# 启动服务
python3 -m streamlit run ./web_demo2.py --server.port 27777 --server.address 0.0.0.0
