书生·浦语大模型趣味 Demo | shmaur

shmaur

2024-06-02

- 字

书生

本笔记包含四大内容

InternStudio 算力平台

作业

使用 InternLM2-Chat-1.8B 模型生成 300 字的小故事
熟悉 huggingface 下载功能，使用 huggingface_hub python 包，下载 InternLM2-Chat-7B 的 config.json 文件到本地
完成浦语·灵笔2 的图文创作及视觉问答部署
完成 Lagent 工具调用数据分析 Demo 部署

一、部署 InternLM2-Chat-1.8B

实现目标

创建熟悉开发机
下载 InternLM2-Chat-1.8B 模型
部署本地 Client Demo

过程

进入开发机，配置环境

studio-conda -o internlm-base -t demo

conda activate demo # 进入到环境中
# 安装下面的环境
pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

下载 InternLM2-Chat-1.8B模型

mkdir -p /root/demo     # 创建路径
touch /root/demo/cli_demo.py  # 创建文件
touch /root/demo/download_mini.py  #创建文件
cd /root/demo #进入到文件目录

编辑文件/root/demo/download_mini.py

import os
from modelscope.hub.snapshot_download import snapshot_download

# 创建保存模型目录
os.system("mkdir /root/models")

# save_dir是模型保存到本地的目录
save_dir="/root/models"

snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", 
                  cache_dir=save_dir, 
                  revision='v1.1.0')

python /root/demo/download_mini.py  # 下载模型参数文件

运行 cli_demo，编辑/root/demo/cli_demo.py文件

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


model_name_or_path = "/root/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)

执行 Demo 程序

conda activate demo
python /root/demo/cli_demo.py

（作业）生成 300 字的小故事

二、八戒-Chat-1.8B

实现目标

运行第一期实战营优秀作品
了解如何部署自定义模型

过程

conda activate demo # 运行环境
cd /root/  # 进入目录
git clone https://gitee.com/InternLM/Tutorial -b camp2  # 下载文件
cd /root/Tutorial # 进入目录
python /root/Tutorial/helloworld/bajie_download.py  # 下载Chat-八戒模型
streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006 # 下载完成后运行模型

到开发机中找到对应的端口

通过本地进行SSH远程

进入到这个状态就代表没有问题了

实现

开始加载模型，加载完成后，进入到 http://127.0.0.1:6006/

三、运行 Lagent 智能体 Demo

实现目标

进一步了解 Lagent 智能体
部署 InternLM2-Chat-7B
体验与智能体 Demo 的聊天互动

过程

升级配置

什么是Lagent

Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。

lagent 框架

Lagent 特性

流式输出：提供 stream_chat 接口作流式输出，本地就能演示酷炫的流式 Demo。

接口统一，设计全面升级，提升拓展性，包括：

Model : 不论是 OpenAI API, Transformers 还是推理加速框架 LMDeploy 一网打尽，模型切换可以游刃有余；
Action: 简单的继承和装饰，即可打造自己个人的工具集，不论 InternLM 还是 GPT 均可适配；
Agent：与 Model 的输入接口保持一致，模型到智能体的蜕变只需一步，便捷各种 agent 的探索实现；

文档全面升级，API 文档全覆盖。

进入开发机，实操

cd /root/demo/lagent # 进入目录
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b # 添加软连接
streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006 # 运行模型

（作业）完成 Lagent 工具调用数据分析

运行完成后，输入一个查看效果，但是这个过程等待的时间相对较长，没有任何反应，过了一小段时间，结果被输出。

四、灵笔 InternLM-XComposer2

实现目标

部署 InternLM-XComposer2
浅尝视觉问答和图文生成 Demo

过程

升级配置

（作业）图文写作

conda activate demo  # 进入环境
# 补充环境包
pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5
cd /root/demo   # 进入目录
git clone https://gitee.com/internlm/InternLM-XComposer.git # 下载XComposer库

cd /root/demo/InternLM-XComposer # 进入目录
git checkout f31220eddca2cf6246ee2ddf8e375a40457ff626
# 添加软连接
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-7b /root/models/internlm-xcomposer2-7b
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-7b /root/models/internlm-xcomposer2-vl-7b
# 启动 InternLM-XComposer
cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_composition.py  \
--code_path /root/models/internlm-xcomposer2-7b \
--private \
--num_gpus 1 \
--port 6006

这里等待会比较久

生成的结果图片

图片理解

conda activate demo  # 进入环境

#进入并启动模型
cd /root/demo/InternLM-XComposer 
python /root/demo/InternLM-XComposer/examples/gradio_demo_chat.py  \
--code_path /root/models/internlm-xcomposer2-vl-7b \
--private \
--num_gpus 1 \
--port 6006

运行结果，从网上随便找一张，《竹林七贤图》