文章目录
- 前言
- 效果
- 搭建环境
- 安装编译环境
- 安装anaconda，python3.8.8环境
- 安装vs2019
- vs2019安装完毕后开始安装cuda
- 安装cudnn
- 安装pytorch
前言
体验了一下new bing，很不错，但是最近觉得这种模型还是搭建在自己电脑上最好，看了下github上的chatGLM项目，这个项目在致力于将一个大语言模型搭建在个人机上，我对此惊叹不已，就按照其流程下载下来搭建在自己电脑上了，这种模型运行在自己电脑上的感觉不会有那种隐私被偷窥的感觉，同时自己可以对其进行自定义优化，很好
首先感谢ChatGPT,终于不用在搜索引擎的各种垃圾信息堆里找食吃了,不用再看各种妖魔鬼怪装逼了
效果
随意交谈，同时也可以让其归纳语言和写代码，很不错
搭建环境
电脑配置环境：
- 系统：win10
- 编程环境：pytorch2.0
- cuda:cuda11.7
- python:python3.8.0
- 显卡：七彩虹战斧3060ti
- annaconda:Anaconda3-2021.05-Windows-x86_64.exe
- VS2019
流程：
如果你安装过cuda和cudnn，搭建过程会很简单，
想要运行模型，就先从基础的编译环境搭建开始吧
安装编译环境
可是怎么事先知道那个版本的windows系统，显卡型号，pytorch版本，python版本，cuda,cudnn是相互配合的呢？
先看显卡，看看显卡支持到哪里？
找到nvidia控制面板，看一下支持的cuda版本信息，要小于显卡所标识的最大版本号
cmd输入nvidia-smi，查询驱动器版本号，
心中已经对显卡支持的版本有了大致了解，然后去pytorch官网，他们给的有版本配置单，按着来就行了
https://pytorch.org/get-started/locally/
哦吼，完美支持，我cuda12.0的，向下兼容，去英伟达官网安装cuda11.7的加速计算包完全可行
有的人电脑配置不行，就去看历史版本，如果不支持cuda11.7，就去看历史版本，看相关配置
https://pytorch.org/get-started/previous-versions/
既然支持cuda11.7，那就去英伟达官网去下载cuda11.7安装包
https://developer.nvidia.com/cuda-downloads
选择历史版本
然后下载所需版本即可，比如我这里的cuda11.7
然后再下载cudnn,找到和cuda11.7配套的
https://developer.nvidia.com/rdp/cudnn-download
需要注意的是下载cudnn需要登陆
然后cuda和cudnn就下载好了，但是先别急着安装，还需要安装vs2019和anaconda,
不安装vs2019 cuda无法安装成功，不安装anaconda不容易安装pytorch
先把这两个重要文件安装下
安装anaconda，python3.8.8环境
安装vs2019
cuda安装需要vs环境，适配的组件在vs2019中都具备了，因此要先安装vs2019
需要注意的是在安装时勾选以下组件，否则还是没有cuda运行环境
从网上下载个vs2019安装器，然后勾选如下即可，等待安装完成
vs2019安装完毕后开始安装cuda
cuda第一开始显示的文件路径框是自解压，选择一个空白文件夹即可，安装完毕后其会将解压的文件自动删除
然后没什么可说的，要注意选择自定义，全部勾选，下一步下一步
安装后看一下如下路径是否有此驱动（这是以前的老图，大差不差，路径类似，无非是11.0换成11.7,cupti64后换个日期）
然后配置系统变量,需要注意的是path的搜索有先后顺序,如果搜索到前面的,后面的就会被忽略
如果有多个cuda版本，应该把最需要的cuda版本放在上面，比如安装了cuda11.7和cuda11.0的，就有扫描顺序先后之分，如果想要执行cuda11.7就需要把配置路径放在前面
我自定义了路径，安装到d盘了，可能大家看着dev,doc不是很懂，其实就是development和document文件夹，我自定义文件夹了
安装cudnn
其实就是解压的文件夹，将cudnn中的三个文件复制放入cuda的安装目录如下
cudnn解压后的文件夹，全选复制一下
粘贴到cuda安装目录（以前的老图，方便理解）
然后cmd输入nvcc看看战绩
至此，cudnn和cuda,python就安装好了，版本之间的对应关系要注意对应，否则互相不兼容
安装pytorch
还记得去pytorch官网查配置时底下的命令行吗？输入anaconda就能从他们官网自动下载配置了
等待自动配置安装即可
然后进入pycharm找个命令测试下是否可以运行
import torchprint(torch.__version__)：查看torch版本print(torch.cuda.is_available())：看安装好的torch和cuda能不能用，也就是看GPU能不能用
提示
配置成功
然后进入github官网，下载ChatGlm工程
https://github.com/THUDM/ChatGLM-6B
downloadZip即可
下载然后解压，执行
pip install -r requirements.txt
等待其自动结束配置，
然后运行示例代码等待自动配置即可见到效果
如果需要网页版交流，就使用web_demo.py
以后会更新如何训练此类似模型，仿写以及调优
使用过程中实际会发现，运行话语多句之后内存溢出就会崩，实际上，可以单次提问，相当于浏览器的一问一答模式
聊天会丧失记忆，但是用于代写代码很不错
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().quantize(4).cuda()
model = model.eval()
def toChat(speechWords):response, history = model.chat(tokenizer, speechWords, history=[])print(response)
while(1):speechWords=input("用户：\n")print("AI思考中...")toChat(speechWords)
