LLMs之InternLM：InternLM/InternLM-7B模型的简介、安装、使用方法之详细攻略
导读：InternLM有 1040亿参数，是在包含1.6万亿token的多语种高质量数据集上训练而成。同时，InternLM-7B完全可商用，支持8k语境窗口长度，中文超ChatGPT，训练和评估动态反馈调整，基于ML deploy部署(基于Fast Transform研发)快速加载大模型，比Transform快到2~3倍，Hybrid Zero提速 ，开放OpenCompass 评测标准。
目录
InternLM模型的简介
1、InternLM的techreport
(1)、主要结果
2、InternLM-7B模型的简介
3、InternLM、InternLM-7B模型的性能评测
4、InternLM-7B模型的局限性
InternLM-7B模型的安装
1、Model Zoo
2、InternLM 7B下载地址
InternLM模型的高性能部署
1、使用 LMDeploy 完成 InternLM 的一键部署。
2、微调&训练
预训练与微调使用教程
转换为 Transformers 格式使用
3、训练系统
训练性能
InternLM-7B模型的使用方法
1、通过以下的代码加载 InternLM 7B Chat 模型
2、InternLM 7B Chat 模型的使用方法
(1)、通过以下的代码加载 InternLM 7B Chat 模型
(2)、通过前端网页对话
InternLM模型的简介
2023年6月7日，上海人工智能实验室（上海AI实验室）、商汤科技联合香港中文大学、复旦大学及上海交通大学发布千亿级参数大语言模型“书生·浦语”（InternLM）。“书生·浦语”具有 1040亿参数，是在包含1.6万亿token的多语种高质量数据集上训练而成。全面评测结果显示，“书生·浦语”不仅在知识掌握、阅读理解、数学推理、多语翻译等多个测试任务上表现优秀，而且具备很强的综合能力，因而在综合性考试中表现突出，在多项中文考试中取得超越ChatGPT的成绩，其中就包括中国高考各科目的数据集（GaoKao）。
2023年7月6日，在2023世界人工智能大会（WAIC）科学前沿全体会议上，深度学习与计算机专家、上海人工智能实验室教授、香港中文大学教授林达华，发布了“书生通用大模型体系”（以下简称“书生大模型”），包括书生·多模态、书生·浦语InternLM和书生·天际LandMark等三大基础模型，以及首个面向大模型研发与应用的全链条开源体系。当天，正式开源的版本为一个70亿参数的轻量级InternLM-7B，在包含40个评测集的全维度评测中展现出卓越且平衡的性能，全面领先现有开源模型。
InternLM ，即书生·浦语大模型，包含面向实用场景的70亿参数基础模型与对话模型 （InternLM-7B）。模型具有以下特点：
- 使用上万亿高质量预料，建立模型超强知识体系；
- 支持8k语境窗口长度，实现更长输入与更强推理体验；
- 通用工具调用能力，支持用户灵活自助搭建流程；
提供了支持模型预训练的轻量级训练框架，无需安装大量依赖包，一套代码支持千卡预训练和单卡人类偏好对齐训练，同时实现了极致的性能优化，实现千卡训练下近90%加速效率。
GitHub地址：GitHub - InternLM/InternLM: InternLM has open-sourced a 7 billion parameter base model, a chat model tailored for practical scenarios and the training system.
论文地址：https://github.com/InternLM/InternLM-techreport/blob/main/InternLM.pdf
InternLM-techreport：GitHub - InternLM/InternLM-techreport
1、InternLM的techreport
我们推出了InternLM，一个具有1,040亿参数的多语言基础语言模型。InternLM使用多阶段渐进式的过程，在1.6T个标记的大型语料库上进行预训练，然后通过微调来与人类喜好相匹配。我们还开发了一个名为Uniscale-LLM的训练系统，用于高效的大型语言模型训练。在多个基准测试上的评估表明，InternLM在多个方面，包括知识理解、阅读理解、数学和编码方面，均实现了最先进的性能。凭借如此全面的能力，InternLM在包括MMLU、AGIEval、C-Eval和GAOKAO-Bench在内的综合考试中取得了出色的表现，而无需使用外部工具。在这些基准测试中，InternLM不仅表现优于开源模型，而且相对于ChatGPT也获得了更优异的性能。此外，InternLM展示了出色的理解中文语言和中华文化的能力，这使得它成为支持面向中文语言应用的基础模型的合适选择。本文详细介绍了我们的结果，包括跨越各种知识领域和任务的基准测试和示例。
(1)、主要结果
随着最新的大型语言模型开始展现人类级别的智能，针对人类设计的考试，如中国的高考、美国的SAT和GRE，被视为评估语言模型的重要手段。值得注意的是，在其关于GPT-4的技术报告中，OpenAI通过跨多个领域的考试对GPT-4进行了测试，并将考试成绩作为关键结果。
我们在以下四个综合考试基准测试中，将InternLM与其他模型进行了比较：
MMLU：基于各种美国考试构建的多任务基准测试，涵盖了小学数学、物理、化学、计算机科学、美国历史、法律、经济、外交等多个学科。
AGIEval：由微软研究开发的基准测试，用于评估语言模型通过人类导向的考试的能力，包括19个任务集，派生自中国和美国的各种考试，例如中国的高考和律师资格考试，以及美国的SAT、LSAT、GRE和GMAT。在这19个任务集中，有9个基于中国的高考（Gaokao），我们将其单独列为一个重要的集合，称为AGIEval（GK）。
C-Eval：用于评估中文语言模型的综合基准测试，包含52个学科的近14,000道问题，涵盖数学、物理、化学、生物、历史、政治、计算机和其他学科，以及公务员、注册会计师、律师和医生的专业考试。
排行榜地址：https://cevalbenchmark.com/static/leaderboard.html
GAOKAO-Bench：基于中国的高考的综合基准测试，包括高考的所有科目。它提供不同类型的问题，包括多项选择、填空和问答。为了简洁起见，我们将这个基准测试简称为高考。
2、InternLM-7B模型的简介
InternLM ，即书生·浦语大模型，包含面向实用场景的70亿参数基础模型 （InternLM-7B）。模型具有以下特点：
- 使用上万亿高质量预料，建立模型超强知识体系；
- 通用工具调用能力，支持用户灵活自助搭建流程；
官网：internlm/internlm-7b · Hugging Face
3、InternLM、InternLM-7B模型的性能评测
我们使用开源评测工具 OpenCompass 从学科综合能力、语言能力、知识能力、推理能力、理解能力五大能力维度对InternLM开展全面评测，部分评测结果如下表所示，欢迎访问 OpenCompass 榜单 获取更多的评测结果。
| 数据集\模型 | InternLM-Chat-7B | InternLM-7B | LLaMA-7B | Baichuan-7B | ChatGLM2-6B | Alpaca-7B | Vicuna-7B |
|---|---|---|---|---|---|---|---|
| C-Eval(Val) | 53.2 | 53.4 | 24.2 | 42.7 | 50.9 | 28.9 | 31.2 |
| MMLU | 50.8 | 51.0 | 35.2* | 41.5 | 46.0 | 39.7 | 47.3 |
| AGIEval | 42.5 | 37.6 | 20.8 | 24.6 | 39.0 | 24.1 | 26.4 |
| CommonSenseQA | 75.2 | 59.5 | 65.0 | 58.8 | 60.0 | 68.7 | 66.7 |
| BUSTM | 74.3 | 50.6 | 48.5 | 51.3 | 55.0 | 48.8 | 62.5 |
| CLUEWSC | 78.6 | 59.1 | 50.3 | 52.8 | 59.8 | 50.3 | 52.2 |
| MATH | 6.4 | 7.1 | 2.8 | 3.0 | 6.6 | 2.2 | 2.8 |
| GSM8K | 34.5 | 31.2 | 10.1 | 9.7 | 29.2 | 6.0 | 15.3 |
| HumanEval | 14.0 | 10.4 | 14.0 | 9.2 | 9.2 | 9.2 | 11.0 |
| RACE(High) | 76.3 | 57.4 | 46.9* | 28.1 | 66.3 | 40.7 | 54.0 |
- 以上评测结果基于 OpenCompass 20230706 获得（部分数据标注
*代表数据来自原始论文），具体测试细节可参见 OpenCompass 中提供的配置文件。 - 评测数据会因 OpenCompass 的版本迭代而存在数值差异，请以 OpenCompass 最新版的评测结果为主。
4、InternLM-7B模型的局限性
尽管在训练过程中我们非常注重模型的安全性，尽力促使模型输出符合伦理和法律要求的文本，但受限于模型大小以及概率生成范式，模型可能会产生各种不符合预期的输出，例如回复内容包含偏见、歧视等有害内容，请勿传播这些内容。由于传播不良信息导致的任何后果，本项目不承担责任。
InternLM-7B模型的安装
1、Model Zoo
当前通过 InternLM 训练的 InternLM 7B 和 InternLM 7B Chat 已经开源，我们提供两种格式的模型权重以供使用。除了使用 Transformers 格式加载模型之外，还可以通过 InternLM 加载以下格式的权重直接进行继续预训练或人类偏好对齐训练
| 模型 | InternLM 格式权重下载地址 | Transformers 格式权重下载地址 |
|---|---|---|
| InternLM 7B | 编辑 | 🤗internlm/intern-7b |
| InternLM Chat 7B | 编辑 | 🤗internlm/intern-chat-7b |
| InternLM Chat 7B 8k | 编辑 | 🤗internlm/intern-chat-7b-8k |
2、InternLM 7B下载地址
下载地址：https://huggingface.co/internlm/internlm-7b/tree/main
InternLM模型的高性能部署
1、使用 LMDeploy 完成 InternLM 的一键部署。
首先安装 LMDeploy:
python3 -m pip install lmdeploy
快速的部署命令如下：
python3 -m lmdeploy.serve.turbomind.deploy InternLM-7B /path/to/internlm-7b/model hf
在导出模型后，你可以直接通过如下命令启动服务一个服务并和部署后的模型对话
python3 -m lmdeploy.serve.client {server_ip_addresss}:33337完整部署教程：GitHub - InternLM/lmdeploy: LMDeploy is a toolkit for compressing, deploying, and serving LLM
2、微调&训练
预训练与微调使用教程
请参考使用教程开始InternLM的安装、数据处理、预训练与微调。
转换为 Transformers 格式使用
通过 InternLM 进行训练的模型可以很轻松地转换为 HuggingFace Transformers 格式，方便与社区各种开源项目无缝对接。借助 tools/convert2hf.py 可以将训练保存的权重一键转换为 transformers 格式
python convert2hf.py --src_folder origin_ckpt/ --tgt_folder hf_ckpt/ --tokenizer tokenizes/tokenizer.model转换之后可以通过以下的代码加载为 transformers
from transformers import AutoTokenizer, AutoModel
model = AutoModel.from_pretrained("hf_ckpt/", trust_remote_code=True).cuda()3、训练系统
InternLM系统结构代码文件结构
InternLM系统结构本项目系统代码文件结构如下所示：├── configs # 配置模块，管理模型和训练相关参数
│ └── 7B_sft.py # 7B_sft.py 是系统 demo 的配置文件样例
├── internlm # 系统代码的主目录
│ ├── apis # 接口模块，包含一些关于推理等的接口函数
│ ├── core # 核心模块，管理用于训练和推理的 parallel context 和训练调度引擎
│ │ ├── context # context 模块，主要负责初始化并行进程组，并管理 parallel context
│ │ │ ├── parallel_context.py
│ │ │ └── process_group_initializer.py
│ │ ├── engine.py # 负责管理模型的训练和评估过程
│ │ ├── no_pipeline_scheduler.py # 并行训练的调度器
│ │ └── trainer.py # 负责管理训练引擎和调度器
│ ├── data # 数据模块，负责管理数据集生成和处理
│ ├── initialize # 初始化模块，负责管理分布式环境启动和训练器初始化
│ ├── model # 模型模块，负责管理模型结构定义和实现
│ ├── solver # 负责管理 optimizer 和 lr_scheduler 等的实现
│ └── utils # 辅助模块，负责管理日志、存储、模型注册等
├── train.py # 模型训练的主函数入口文件
├── requirements # 系统运行的依赖包列表
├── third_party # 系统所依赖的第三方模块，包括 apex 和 flash-attention 等
├── tools # 一些脚本工具，用于原始数据集处理和转换，模型 checkpoint 转换等
└── version.txt # 系统版本号训练性能
InternLM 深度整合了 Flash-Attention, Apex 等高性能模型算子，提高了训练效率。通过构建 Hybrid Zero 技术，实现计算和通信的高效重叠，大幅降低了训练过程中的跨节点通信流量。InternLM 支持 7B 模型从 8 卡扩展到 1024 卡，千卡规模下加速效率可高达 90%，训练吞吐超过 180TFLOPS，平均单卡每秒处理的 token 数量超过3600。下表为 InternLM 在不同配置下的扩展性测试数据：
| GPU Number | 8 | 16 | 32 | 64 | 128 | 256 | 512 | 1024 |
|---|---|---|---|---|---|---|---|---|
| TGS | 4078 | 3939 | 3919 | 3944 | 3928 | 3920 | 3835 | 3625 |
| TFLOPS | 193 | 191 | 188 | 188 | 187 | 185 | 186 | 184 |
TGS 代表平均每GPU每秒可以处理的 Token 数量。更多的性能测试数据可参考训练性能文档进一步了解。
InternLM-7B模型的使用方法
1、通过以下的代码加载 InternLM 7B Chat 模型
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("internlm/internlm-7b", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("internlm/internlm-7b", trust_remote_code=True).cuda()
model = model.eval()
inputs = tokenizer(["来到美丽的大自然，我们发现"], return_tensors="pt")
for k,v in inputs.items():
gen_kwargs = {"max_length": 128, "top_p": 0.8, "temperature": 0.8, "do_sample": True, "repetition_penalty": 1.1}
output = model.generate(**inputs, **gen_kwargs)
print(output)
2、InternLM 7B Chat 模型的使用方法
(1)、通过以下的代码加载 InternLM 7B Chat 模型
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("internlm/internlm-chat-7b", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("internlm/internlm-chat-7b", trust_remote_code=True).cuda()
model = model.eval()
response, history = model.chat(tokenizer, "你好", history=[])
print(response)
response, history = model.chat(tokenizer, "请提供三个管理时间的建议。", history=history)
print(response)
(2)、通过前端网页对话
可以通过以下代码启动一个前端的界面来与 InternLM Chat 7B 模型进行交互
pip install streamlit==1.24.0
pip install transformers==4.30.2
streamlit run web_demo.py
