Qwen2.5-7B-Instruct FastApi 摆设调用教程

1 情况预备

基础情况最低要求说明：

情况名称版本信息1Ubuntu22.04.4 LTSCudaV12.1.105Python3.12.4NVIDIA CorporationRTX 3090 起首 pip 换源加快下载并安装依靠包

1. # 升级pip
2. python -m pip install --upgrade pip
3. # 更换 pypi 源加速库的安装
4. pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
6. pip install requests==2.31.0
7. pip install fastapi==0.115.1
8. pip install uvicorn==0.30.6
9. pip install transformers==4.44.2
10. pip install huggingface-hub==0.25.0
11. pip install accelerate==0.34.2
12. pip install modelscope==1.18.0

复制代码

2 模型下载

利用 modelscope 中的 snapshot_download 函数下载模型，第一个参数为模型名称，参数 cache_dir 为模型的下载路径。
新建 model_download.py 文件并在其中输入以下内容，粘贴代码后请及时保存文件，如下图所示。并运行 python model_download.py 执行下载，模型巨细为 15GB，下载模型大概需要 5 分钟。

1. import torch
2. from modelscope import snapshot_download, AutoModel, AutoTokenizer
3. import os
4. model_dir = snapshot_download('Qwen/Qwen2.5-7B-Instruct', cache_dir='/', revision='master')

复制代码

  注意：记得修改 cache_dir 为你的模型下载路径哦~
  3 代码预备

新建 api.py 文件并在其中输入以下内容，粘贴代码后请及时保存文件。以下代码有很详细的注释，大家如有不理解的地方，欢迎提出 issue 。

1. from fastapi import FastAPI, Request
2. from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
3. import uvicorn
4. import json
5. import datetime
6. import torch
8. # 设置设备参数
9. DEVICE = "cuda"  # 使用CUDA
10. DEVICE_ID = "0"  # CUDA设备ID，如果未设置则为空
11. CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE  # 组合CUDA设备信息
13. # 清理GPU内存函数
14. def torch_gc():
15.     if torch.cuda.is_available():  # 检查是否可用CUDA
16.         with torch.cuda.device(CUDA_DEVICE):  # 指定CUDA设备
17.             torch.cuda.empty_cache()  # 清空CUDA缓存
18.             torch.cuda.ipc_collect()  # 收集CUDA内存碎片
20. # 创建FastAPI应用
21. app = FastAPI()
23. # 处理POST请求的端点
24. @app.post("/")
25. async def create_item(request: Request):
26.     global model, tokenizer  # 声明全局变量以便在函数内部使用模型和分词器
27.     json_post_raw = await request.json()  # 获取POST请求的JSON数据
28.     json_post = json.dumps(json_post_raw)  # 将JSON数据转换为字符串
29.     json_post_list = json.loads(json_post)  # 将字符串转换为Python对象
30.     prompt = json_post_list.get('prompt')  # 获取请求中的提示
32.     messages = [
33.             {"role": "system", "content": "You are a helpful assistant."},
34.             {"role": "user", "content": prompt}
35.     ]
37.     # 调用模型进行对话生成
38.     input_ids = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True)
39.     model_inputs = tokenizer([input_ids], return_tensors="pt").to('cuda')
40.     generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)
41.     generated_ids = [
42.         output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
43.     ]
44.     response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
45.     now = datetime.datetime.now()  # 获取当前时间
46.     time = now.strftime("%Y-%m-%d %H:%M:%S")  # 格式化时间为字符串
47.     # 构建响应JSON
48.     answer = {
49.         "response": response,
50.         "status": 200,
51.         "time": time
52.     }
53.     # 构建日志信息
54.     log = "[" + time + "] " + '", prompt:"' + prompt + '", response:"' + repr(response) + '"'
55.     print(log)  # 打印日志
56.     torch_gc()  # 执行GPU内存清理
57.     return answer  # 返回响应
59. # 主函数入口
60. if __name__ == '__main__':
61.     # 加载预训练的分词器和模型
62.     model_name_or_path = 'Qwen/Qwen2.5-7B-Instruct'
63.     tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, use_fast=False)
64.     model = AutoModelForCausalLM.from_pretrained(model_name_or_path, device_map="auto", torch_dtype=torch.bfloat16)
66.     # 启动FastAPI应用
67.     # 用8080端口可以将端口映射到本地，从而在本地使用api
68.     uvicorn.run(app, host='0.0.0.0', port=8080, workers=1)  # 在指定端口和主机上启动应用

复制代码

  注意：记得修改 model_name_or_path 为你的模型下载路径哦~
  4 Api 摆设

在终端输入以下下令启动api服务：

1. python api.py

复制代码

加载完毕后出现如下信息说明成功。
默认摆设在 8080端口，通过 POST 方法进行调用，可以利用 curl 调用，如下所示：

1. curl -X POST "http://127.0.0.1:8080" \
2.      -H 'Content-Type: application/json' \
3.      -d '{"prompt": "你好"}'

复制代码

也可以利用 python 中的 requests 库进行调用，如下所示：

1. import requests
2. import json
4. def get_completion(prompt):
5.     headers = {'Content-Type': 'application/json'}
6.     data = {"prompt": prompt}
7.     response = requests.post(url='http://127.0.0.1:8080', headers=headers, data=json.dumps(data))
8.     return response.json()['response']
10. if __name__ == '__main__':
11.     print(get_completion('你好'))

复制代码

得到的返回值如下所示：

1. {'response': '你好！很高兴为你提供帮助。你可以问我任何问题。', 'status': 200, 'time': '2024-09-19 10:13:08'}

复制代码

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。