位置: IT常识 - 正文

ChatGLM-6B (介绍以及本地部署)

编辑:rootadmin
ChatGLM-6B (介绍以及本地部署) 中文ChatGPT平替——ChatGLM-6BChatGLM-6B简介官方实例本地部署1.下载代码2.通过conda创建虚拟环境3.修改代码4.模型量化5.详细代码调用示例ChatGLM-6B简介

推荐整理分享ChatGLM-6B (介绍以及本地部署),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助,希望把文章链接给更多的朋友!

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,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。

ChatGLM-6B (介绍以及本地部署)

ChatGLM 参考了 ChatGPT 的设计思路,在千亿基座模型 GLM-130B1 中注入了代码预训练,通过有监督微调(Supervised Fine-Tuning)等技术实现人类意图对齐。ChatGLM 当前版本模型的能力提升主要来源于独特的千亿基座模型 GLM-130B。它是不同于 BERT、GPT-3 以及 T5 的架构,是一个包含多目标函数的自回归预训练模型。2022年8月,我们向研究界和工业界开放了拥有1300亿参数的中英双语稠密模型 GLM-130B1,该模型有一些独特的优势:

双语: 同时支持中文和英文。高精度(英文): 在公开的英文自然语言榜单 LAMBADA、MMLU 和 Big-bench-lite 上优于 GPT-3 175B(API: davinci,基座模型)、OPT-175B 和 BLOOM-176B。高精度(中文): 在7个零样本 CLUE 数据集和5个零样本 FewCLUE 数据集上明显优于 ERNIE TITAN 3.0 260B 和 YUAN 1.0-245B。快速推理: 首个实现 INT4 量化的千亿模型,支持用一台 4 卡 3090 或 8 卡 2080Ti 服务器进行快速且基本无损推理。可复现性: 所有结果(超过 30 个任务)均可通过我们的开源代码和模型参数复现。跨平台: 支持在国产的海光 DCU、华为昇腾 910 和申威处理器及美国的英伟达芯片上进行训练与推理。

官方实例>>> from transformers import AutoTokenizer, AutoModel>>> tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)>>> model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()>>> response, history = model.chat(tokenizer, "你好", history=[])>>> print(response)你好👋!我是人工智能助手 ChatGLM-6B,很高兴见到你,欢迎问我任何问题。>>> response, history = model.chat(tokenizer, "晚上睡不着应该怎么办", history=history)>>> print(response)晚上睡不着可能会让你感到焦虑或不舒服,但以下是一些可以帮助你入睡的方法:1. 制定规律的睡眠时间表:保持规律的睡眠时间表可以帮助你建立健康的睡眠习惯,使你更容易入睡。尽量在每天的相同时间上床,并在同一时间起床。2. 创造一个舒适的睡眠环境:确保睡眠环境舒适,安静,黑暗且温度适宜。可以使用舒适的床上用品,并保持房间通风。3. 放松身心:在睡前做些放松的活动,例如泡个热水澡,听些轻柔的音乐,阅读一些有趣的书籍等,有助于缓解紧张和焦虑,使你更容易入睡。4. 避免饮用含有咖啡因的饮料:咖啡因是一种刺激性物质,会影响你的睡眠质量。尽量避免在睡前饮用含有咖啡因的饮料,例如咖啡,茶和可乐。5. 避免在床上做与睡眠无关的事情:在床上做些与睡眠无关的事情,例如看电影,玩游戏或工作等,可能会干扰你的睡眠。6. 尝试呼吸技巧:深呼吸是一种放松技巧,可以帮助你缓解紧张和焦虑,使你更容易入睡。试着慢慢吸气,保持几秒钟,然后缓慢呼气。如果这些方法无法帮助你入睡,你可以考虑咨询医生或睡眠专家,寻求进一步的建议。本地部署1.下载代码git clone https://github.com/THUDM/ChatGLM-6B.git2.通过conda创建虚拟环境# 新建chatglm环境conda create -n chatglm python=3.8# 激活chatglm环境conda activate chatglm# 安装PyTorch环境(根据自己的cuda版本选择合适的torch版本)pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113# 安装gradio用于启动图形化web界面pip install gradio# 安装运行依赖pip install -r requirement.txt3.修改代码在web_demo.py的最后一句demo.queue().launch(share=True),加两个server_name=“0.0.0.0”, server_port=1234参数。demo.queue().launch(share=True,server_name="0.0.0.0",server_port=9234)4.模型量化

默认情况下,模型以 FP16 精度加载,运行上述代码需要大概 13GB 显存。如果你的 GPU 显存有限,可以尝试以量化方式加载模型,使用方法如下:

GPU# FP16精度加载,需要13G显存model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()# int8精度加载,需要10G显存model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().quantize(8).cuda()# int4精度加载,需要6G显存model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().quantize(4).cuda()CPU#32G内存model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).float()#16G内存model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).bfloat16()5.详细代码from transformers import AutoModel, AutoTokenizerimport gradio as grtokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)# model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()# 按需修改,目前只支持 4/8 bit 量化model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().quantize(4).cuda()model = model.eval()MAX_TURNS = 20MAX_BOXES = MAX_TURNS * 2def predict(input, history=[]): response, history = model.chat(tokenizer, input, history) updates = [] for query, response in history: updates.append(gr.update(visible=True, value=query)) updates.append(gr.update(visible=True, value=response)) if len(updates) < MAX_BOXES: updates = updates + [gr.Textbox.update(visible=False)] * (MAX_BOXES - len(updates)) return [history] + updateswith gr.Blocks() as demo: state = gr.State([]) text_boxes = [] for i in range(MAX_BOXES): if i % 2 == 0: label = "提问:" else: label = "回复:" text_boxes.append(gr.Textbox(visible=False, label=label)) with gr.Row(): with gr.Column(scale=4): txt = gr.Textbox(show_label=False, placeholder="Enter text and press enter").style(container=False) with gr.Column(scale=1): button = gr.Button("Generate") button.click(predict, [txt, state], [state] + text_boxes)demo.queue().launch(share=True,server_name="0.0.0.0",server_port=9234)调用示例

本文链接地址:https://www.jiuchutong.com/zhishi/295855.html 转载请保留说明!

上一篇:用JavaScript实现文件的上传与下载(javascript编写程序)

下一篇:全网详细解决Set-Location : 找不到接受实际参数“xxx”的位置形式参数。 所在位置 行:1 字符: 1的错误,并深究该错误的原因。(set0)

  • 企业所得税行业所得率
  • 实收资本印花税是营业账簿吗
  • 环境保护税是什么科目
  • 建筑业差额纳税怎么算
  • 已经作为损失的资产以后纳税年度收回的会计处理
  • 管家婆未开账可以录入单据吗
  • 印花税没有在我的待办里是不是就不用申报
  • 事业单位预收账款属于什么科目
  • 我的初级备考经历怎么写
  • 年终奖金在年度内扣税吗
  • 收到供应商发票的会计处理怎么做?
  • 新成立公司没有财务报表情况说明
  • 在建工程的招待费计入到哪个科目
  • 小规模怎样计算进项税额
  • 一般纳税人两费减免会计分录
  • 车辆保险属于金融机构吗
  • 产值指的是财务报表哪个数值
  • 个税生产经营所得B表在哪里
  • 简易征收工程款可以抵扣吗?
  • 开通电子税务局需要什么资料
  • 进料加工可分为
  • 商贸流通企业的构成
  • windows 10如何清除联网记录
  • 单位社保部分会扣吗
  • 预付款退还的法律规定
  • 抵押质押的含义
  • 购买展示柜怎么做会计分录
  • 教学用品列入什么费用
  • .inc是什么文件
  • 免征税费需要申报吗
  • php5.4升级到php7
  • 企业取得土地使用权可能作为什么核算
  • pytorch怎么入门
  • 二手车价格网站
  • 所得税年度报表申报完怎么打印
  • 机关单位差旅费
  • 资本公积和盈余公积都与利润有关
  • 金蝶k3开票
  • 递延收益与预收收益区别
  • 城建税免征怎么记账
  • 销售退回会计分录
  • 结转和结算
  • 公司名下的车怎样领免检标志
  • 对公可以转个人账户货款吗
  • 销售退回的会计分录 预计负债
  • 两笔不同业务能转账吗
  • 行政单位收到银行存款利息的会计分录
  • 长期股权投资权益法账务处理
  • 银行存款日记账与银行对账单之间的核对属于
  • 小规模怎么申请核定征收
  • sql server常规错误
  • sql server 不存在或者拒绝访问
  • 数据库查询排名
  • linux转移文件代码
  • linux系统中用户密码保存在什么文件中
  • bios各项参数的意义
  • win7开机显示黑屏
  • XP系统怎么设置屏幕常亮
  • win7系统怎么设置屏幕常亮
  • win10 io1
  • make:arm-linux- conmand not found错误处理探讨
  • win8系统怎么重新安装系统
  • win81怎么取消开机密码
  • Windows8和Windows8 RT版的区别介绍
  • unity projector
  • Python类的继承动物类
  • 在bash shell环境下
  • python中deque
  • js中的set
  • unity3d shader之God Ray上帝之光
  • eclipse怎么写python程序
  • unity3d 赛车游戏
  • psi python
  • javascript数据类型有哪些
  • jquery添加自定义属性
  • HTTP之Range理解
  • 广西职称申报系统入口220
  • 军工企业销售模式
  • 单位纳税人什么意思
  • 个人有关事项核查情况的报告
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设