跳转至

2.2 8G 显存玩转书生大模型 Demo

一、任务说明

alt text

参考文档

1.基础任务

  • 使用 Cli Demo 完成 InternLM2-Chat-1.8B 模型的部署，并生成 300 字小故事，记录复现过程并截图。

2.进阶任务

  • 使用 LMDeploy 完成 InternLM-XComposer2-VL-1.8B 的部署，并完成一次图文理解对话，记录复现过程并截图。

  • 使用 LMDeploy 完成 InternVL2-2B 的部署，并完成一次图文理解对话，记录复现过程并截图。

二、任务提交

基础任务

  • 使用 Cli Demo 完成 InternLM2-Chat-1.8B 模型的部署

alt text

alt text

进阶任务

  • 使用 LMDeploy 完成 InternLM-XComposer2-VL-1.8B 的部署

    alt text

  • 使用 LMDeploy 完成 InternVL2-2B 的部署

    alt text

三、复现步骤

InternLM2-Chat-1.8B 模型的部署

  • Step 1 创建虚拟环境并进入

    conda create -n demo python=3.10 -y

    conda activate demo

  • Step2 安装torch 及相关依赖

        # 安装 torch
    conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y

    # 安装transformers库的指定版本4.38
    # transformers是一个强大的自然语言处理(NLP)库，提供了一系列预训练模型，如BERT, GPT等。
    pip install transformers==4.38

    # 安装sentencepiece库的指定版本0.1.99
    # sentencepiece是一个用于文本分词的工具，特别适用于低资源语言或混合语言的文本处理。
    pip install sentencepiece==0.1.99

    # 安装einops库的指定版本0.8.0
    # einops提供了一种简便的方式来操作张量，尤其适合深度学习项目中的数据处理。
    pip install einops==0.8.0

    # 安装protobuf库的指定版本5.27.2
    # protobuf是Google开发的一种数据交换格式，高效且跨语言，常用于定义API数据结构。
    pip install protobuf==5.27.2

    # 安装accelerate库的指定版本0.33.0
    # accelerate库旨在简化深度学习模型的分布式训练过程，提高训练效率。
    pip install accelerate==0.33.0

    # 安装streamlit库的指定版本1.37.0
    # streamlit是一个用于快速构建和分享数据应用的框架，非常适合数据分析和可视化项目。
    pip install streamlit==1.37.0

  • Step3 创建编写demo.py

        import torch
    from transformers import AutoTokenizer, AutoModelForCausalLM


    model_name_or_path = "/root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"

    tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
    model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
    model = model.eval()

    system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
    - InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
    - InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
    """

    messages = [(system_prompt, '')]

    print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")

    while True:
        input_text = input("\nUser  >>> ")
        input_text = input_text.replace(' ', '')
        if input_text == "exit":
            break

        length = 0
        for response, _ in model.stream_chat(tokenizer, input_text, messages):
            if response is not None:
                print(response[length:], flush=True, end="")
                length = len(response)

  • Step4 运行demo.py

    python /root/pro/demo.py

  • Step5 Streamlit 界面部署InternLM2-Chat-1.8B 模型

    streamlit_demo.py

    streamlit run /root/pro/streamlit_demo.py

LMDeploy 部署 InternLM-XComposer2-VL-1.8B 模型

InternLM-XComposer2 是一款基于 InternLM2 的视觉语言大模型，其擅长自由形式的文本图像合成和理解。

LMDeploy 是一个用于压缩、部署和服务 LLM 的工具包

  • Step 1 安装lmdeploy及依赖

        pip install lmdeploy[all]==0.5.1
    pip install timm==1.0.7

  • Step 2 LMDeploy 直接部署gradio应用

        lmdeploy serve gradio /share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-1_8b --cache-max-entry-count 0.1

    alt text

使用 LMDeploy 完成 InternVL2-2B 的部署

  • 替换模型路径

        lmdeploy serve gradio /share/new_models/OpenGVLab/InternVL2-2B --cache-max-entry-count 0.1

    alt text

总结

  • LMDeploy 是一个用于压缩、部署和服务 LLM 的工具包，可以轻松实现模型的压缩、部署和可视化。

    • 部署internlm2-chat-1_8b模型 ： lmdeploy serve gradio /root/pro/Laboratory/internlm2-chat-1_8b

    alt text

  • github地址

  • 文档地址