[AIGC]从0快速搭建个人版“对话大模子”

本教程介绍如何在阿里云GPU云服务器上基于Alpaca大模子快速搭建个人版“对话大模子”。
配景信息

Alpaca大模子是一款基于LLaMA的大语言模子，它可以模仿自然语言进行对话交互，并协助用户完成写作、翻译、编写代码、生成脚本等一系列创作任务。同时，使用了中文数据进行二次预训练，提升了中文底子语义理解本领。
本文基于阿里云GPU服务器和Alpaca大模子，指导您如何快速搭建个人版“对话大模子”。

重要

• 阿里云不对第三方模子Alpaca大模子的正当性、安全性、精确性进行任何保证，阿里云不对由此引发的任何损害负担责任。
  
• 您应自觉遵守第三方模子的用户协议、使用规范和相关法律法规，并就使用第三方模子的正当性、合规性自行负担相关责任。
  

操纵步骤

创建并配置ECS实例

• 在ECS实例创建页面，创建ECS实例。
  关键参数说明如下，其他参数的配置，请参见自界说购买实例。
     
  
  
  
  • 实例规格：选择实例规格为ecs.gn7i-c16g1.4xlarge。
    
  • 镜像：公共镜像Ubuntu 22.04，并选中安装GPU驱动，选择CUDA 版本12.1.1/Driver 版本535.154.05/CUDNN 版本8.9.7.29。
    
    
    
    
    
  • 系统盘：不小于200 GiB。
    
  • 公网IP：选中分配公网IPv4地点，带宽计费方式选择按使用流量，带宽峰值选择100 Mbps，以加速模子下载速度。
    
    
    
    
    
  
  
• 添加安全组规则。
  在ECS实例安全组的入方向添加安全组规则并放行7860端口。详细操纵，请参见添加安全组规则。
  
  
  
  
  
• 查看驱动以及CUDA库是否安装成功。
     
  
  
  • 使用root用户长途登录ECS实例。详细操纵，请参见通过密码或密钥认证登录Linux实例。
    初次登录ECS实例时，系统会自动安装驱动。当表现如下图所示的回显信息时，表示驱动以及CUDA库已安装成功。
    重要
         
    
    
    
    • 系统自动安装驱动以及CUDA库时，请不要手动操纵大概重启实例，否则大概会导致驱动大概CUDA库安装失败。等到安装驱动以及CUDA库完成以后，系统会自动重启。
      
    • 假如创建完ECS实例后，没有立刻长途登录ECS实例，大概看不到雷同下图的回显信息。
      
    
    
    
    
    
  • 再次使用root用户长途登录ECS实例。详细操纵，请参见通过密码或密钥认证登录Linux实例。
    
  • 执行以下下令，查看GPU驱动的版本。
    
    
    1. nvidia-smi

    复制代码
    回显信息雷同下图所示。
    
    
    
    
    
  • 执行以下下令，查看CUDA库的版本。
    
    
    1. nvcc -V

    复制代码
    回显信息如下图所示。
    
    
    
    
    
  
  

配置软件

• 安装Python 3.11并升级pip。
     
  
  
  • 分别执行以下令，安装Python 3.11。
    
    
    1. apt-get update
    2. apt-get upgrade
    3. apt install -y python-is-python3 # 将默认Python改成Python3
    4. apt install -y software-properties-common   # 安装software-properties-common软件包
    5. add-apt-repository ppa:deadsnakes/ppa       # 添加PPA存储库
    6. apt -y install python3.11       # 安装Python 3.11
    7. update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.11 1 # 设置默认Python为Python 3.11

    复制代码
  • 执行如下下令，查看Python版本。
    
    
    1. python --version

    复制代码
    当回显如下所示时，表示已安装Python 3.11.9。
    
    
    
    
    
  • 分别执行以下令，升级pip。
    
    
    1. wget https://bootstrap.pypa.io/get-pip.py
    2. python3.11 get-pip.py

    复制代码
  
  
• 执行以下下令，安装Git和Git LFS软件。
  
  
  1. apt install -y git git-lfs python3.11-distutils

  复制代码
• 依次执行以下下令，安装模子所需要的Python包。
  
  
  1. sudo apt-get install pkg-config cmake
  2. sudo apt-get install python3.11-dev
  3. pip install git+https://github.com/huggingface/transformers
  4. pip install sentencepiece==0.1.97 -i https://mirrors.aliyun.com/pypi/simple
  5. pip install peft==0.10.0 -i https://mirrors.aliyun.com/pypi/simple

  复制代码
  重要
  从GitHub上下载Transformers库，由于网络缘故原由偶尔大概会不成功，建议您多实验几次。
  
• 在PyTorch环境下验证GPU是否正常工作。
     
  
  
  • 执行以下下令，进入Python运行环境。
    
    
    1. python

    复制代码
  • 执行以下下令，验证GPU是否正常工作。
    
    
    1. import torch
    2. torch.cuda.is_available()

    复制代码
    返回True，表示GPU正常工作。
    
    
    
    
    
  • 执行以下下令，退出Python。
    
    
    1. quit()

    复制代码
  
  

下载与配置模子

• 依次执行以下下令，下载tmux并创建一个tmux session。
  
  
  1. apt install -y tmux
  2. tmux

  复制代码
  重要
  下载模子耗时较长，建议在tmux session中下载，以免ECS断开毗连导致下载中断。
  
• 执行以下下令，下载Chinese-LLaMA-Alpaca模子。
  
  
  1. git clone https://github.com/ymcui/Chinese-LLaMA-Alpaca.git

  复制代码
• 执行以下下令，下载chinese-alpaca-lora-13b模子。
  
  
  1. git clone https://www.modelscope.cn/ChineseAlpacaGroup/chinese-alpaca-lora-13b.git

  复制代码
• 依次执行以下下令，下载llama-13b-hf。
  llama-13b-hf是预训练的llama 13b模子，已经转换成了Huggingface的模子格式。下载llama-13b-hf大约有40 GiB的数据，预估下载时间约30分钟，请您耐心等候。
  重要
  LLaMA是第三方提供的Huggingface格式的预训练模子数据。Meta官方发布的LLaMA模子克制商用，而且官方暂时还没有正式开源模子权重。这里使用这个下载链接只为做演示使用，不负担任何法律责任。
  
  
  1. pip install -U huggingface_hub
  2. pip install -U hf-transfer
  3. export HF_ENDPOINT=https://hf-mirror.com
  4. export HF_HUB_ENABLE_HF_TRANSFER=1
  5. huggingface-cli download --resume-download --local-dir-use-symlinks False yahma/llama-13b-hf --local-dir llama-13b-hf

  复制代码
• 依次执行以下下令，合并代码。
  
  
  1. cd Chinese-LLaMA-Alpaca/
  2. python scripts/merge_llama_with_chinese_lora.py --base_model ~/llama-13b-hf/ \
  3.         --lora_model ~/chinese-alpaca-lora-13b/ --output_type huggingface \
  4.         --output_dir ./llama_with_lora_hf

  复制代码
  下令行中需要用--output_dir下令指定一个输出目录，本示例中输出目录为/root/Chinese-LLaMA-Alpaca/llama_with_lora_hf 。转换需要一段时间，需要耐心等候。
  
• 执行以下下令，查看转换完成后的文件。
  
  
  1. ls -lh llama_with_lora_hf

  复制代码
  
  
  
  
  

摆设WebUI

• 执行以下下令，在/root目录大概您的工作目录，下载WebUI而且进行代码摆设。
  
  
  1. cd
  2. git clone https://github.com/oobabooga/text-generation-webui.git

  复制代码
• 执行以下下令，安装代码及依靠库。
  重要
  安装代码及依靠库涉及从GitHub下载代码，大概会因为网络缘故原由运行失败，请多试几次。
  
  
  1. cd text-generation-webui/
  2. pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple
  3. pip install datasets gradio rich bitsandbytes -i https://mirrors.aliyun.com/pypi/simple/

  复制代码
• 执行以下下令，在models目录下面生成一个软链接，指向合并后模子数据的目录。
  
  
  1. ln -s /root/Chinese-LLaMA-Alpaca/llama_with_lora_hf/ models/llama_with_lora_hf

  复制代码
  参数说明如下：
     
  
  
  
  • /root/Chinese-LLaMA-Alpaca/llama_with_lora_hf/：指的是合并模子存放的目录，您可以从合并代码步骤获取。
    
  • models/llama_with_lora_hf：指的是模子名称，您可以修改成其他名称。
    
  
  

验证结果

完成以上操纵后，您已经成功完成了WebUI摆设和个人版对话大模子的搭建。您可以在WebUI页面进行验证。

• 执行以下下令，运行WebUI。
  
  
  1. cd text-generation-webui/
  2. python server.py --model llama_with_lora_hf --listen --chat --load-in-8bit

  复制代码
  参数说明如下：
     
  
  
  
  • --model：指定的是步骤3生成的软链接的名称，不需要带前面的model/目录名。本示例软链接的名称为llama_with_lora_hf。
    
  • --listen：用于设置WebUI监听所有外部IP（不配置--listen默认只能监听当地IP），以实现从实例外访问WebUI。默认监听端口是7860，您可通过--listen-port来指定其他监听端口。
    
  • --chat：用于指定默认的运行模式，本文示例为对话模式（可按需实验其他模式）。
    
  • --load-in-8bit：用于指定以8 bit模式加载模子。正常加载13B模子需要26 GB以上显存，A10显卡只有24 GB，以是需要以8bit模式加载，模子占用显存大约为15 GB。
    
  当表现如下图所示的回显信息时，表示运行WebUI成功。
  
  
  
  
  
• 在ECS实例页面，获取ECS实例的公网IP地点。
  
  
  
  
  
• 在浏览器中输入http://<ECS实例公网IP地点>:7860，即可访问个人版对话大模子。
  您可以输入相应的题目和AI呆板人进行对话。
  
  
  
  
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。