最近国内的大模型可谓是遍地开花,你瞧瞧:
这么火,我也想搞一个试试,于是就有了这篇文章!对,你没看错,就是白嫖。
毕竟人家清华都开源了,哈哈哈hoho~~
先把开源地址贴一下,老铁们可以自行去瞧一瞧:
https://github.com/THUDM/ChatGLM-6B
https://huggingface.co/THUDM/chatglm-6b
ChatGLM-6B 是一个开源的、支持中英双语问答的对话语言模型,基于 General Language Model (GLM) 架构,具有 62 亿参数。
结合模型量化技术,用户可以在消费级的显卡上进行本地部署(INT4 量化级别下最低只需 6GB 显存)。
ChatGLM-6B 使用了和 ChatGLM 相同的技术,针对中文问答和对话进行了优化。
经过约 1T 标识符的中英双语训练,服务器托管网辅以监督微调、反馈自助、人类反馈强化学习等技术的加持,62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。
最重要的一点,人家遵循Apache-2.0协议。
下面开干吧!
准备机器
毕竟是要搭建可以跑起来的环境,机器肯定是必不可少的。好在阿里云有白嫖的使用机器。
-
进去阿里云免费试用活动页面 https://free.aliyun.com/
-
申请试用PAI-DSW资源,点击页面上的【立即试用】就可以了。(我因为已经试用了,所以显示的是“已试用”)
-
参考试用教程创建PAI平台示例。或者接着往下看
-
在阿里云页面搜索PAI,点击立即开通,然后进入到PAI控制台。
开通的时候,有些可选的资源(比如NAS存储等),我因为没有,所以都没选。
-
进入控制台后,选择创建DSW实例
创建的时候,资源选择GPU资源,然后选择 支持资源包抵扣的那款 ecs.gn6v-c8g1.2xlarge
如果资源组下拉框是空白的,那么你需要在 上图左侧【工作空间详情】菜单,配置一下计算资源。
配置的按钮在工作空间详情页面右边【资源管理】,选择public-cluster 即可
镜像选择pytorch1.12,点击创建完成,机器就白嫖好了。
下载大模型
前面实例创建完之后,点击【打开】,会进入到机器的web控制台(Data Science Workshop)。
在这里,可以在Terminal里面操作了。
-
先执行安装git相关命令
sudo apt-get update
sudo apt-get install git-lfs
-
下载模型仓库(因为模型比较大,所以下载下来再执行方便些)
git clone git@hf.co:THUDM/chatglm-6b
-
下载模型运行代码
git clone https://github.com/THUDM/ChatGLM-6B.git
部署启动
部署前修改源码
因为我们已经把模型下载下来了,部署前,需要把代码中的模型路径改成你自己的。
比如我们的模型下载在/mnt/workspace/chatglm-6b,我们就需要把 ChatGLM-6B 下的两个文件路径都改一下:
- cli_demo.py:命令行交互界面
- web_demo.py:Web图形交互界面
启动
进入到ChatGLM-6B目录,执行启动命令即可
python web_demo.py
命令执行成功,会提示。就表示启动成功了。
Running on local URL: http://127.0.0.1:7860
To create a public link, set
share=True
inlaunch()
.
如果想外网访问,就还需要改一点源码。在web_demo.py文件最末尾,设置share=True
修改前:demo.queue().launch(share=False, inbrowser=True)
修改后:demo.queue().launch(share=True, inbrowser=True)
改完后,保存,再次启动,会打印出Running on public URL:XXXX,通过这个链接即可打开体验。
启动中如果遇到缺少一些module,可通过【pip install xxx】进行安装,安装完之后再执行启动命令
使用效果
使用效果的话,只能说还有相当长的路需要走。
答的是有板有眼的!但是,实际上…
我把完整的代码贴在下面,大家可自行体验评论:
import java.util.concurrent.Thread;
import java.util.concurrent.Executors;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors.newSingleThreadExecutor();
import java.util.concurrent.Future;
public class TwoThreads交替打印String {
public static void main(String[] args) {
int numThreads = 2;
String str = "Hello, World!";
int index = 0;
ExecutorService executor = Executors.newSingleThreadExecutor();
List> futures = new ArrayList();
for (int i = 0; i {
Thread thread = new Thread(new MyThread(str, buffer));
thread.start();
}));
// 打印当前线程的输出
futures.add(executor.submit(() -> {
Thread thread = new Thread(new MyThread(str, buffer));
thread.start();
}));
// 等待当前线程完成
thread.join();
// 打印下一个线程的输出
futures.add(executor.submit(() -> {
Thread thread = new Thread(new 服务器托管网MyThread(str, buffer));
thread.start();
}));
index += size;
}
// 打印所有线程的输出
for (Future future : futures) {
future.get();
}
executor.shutdown();
}
private static class MyThread implements Runnable {
private final String str;
private final int buffer;
public MyThread(String str, int buffer) {
this.str = str;
this.buffer = buffer;
}
@Override
public void run() {
for (int i = 0; i
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
机房租用,北京机房租用,IDC机房托管, http://www.fwqtg.net