位置: IT常识 - 正文
轻松玩转开源大语言模型bloom（一）(开源dap)
编辑：rootadmin推荐整理分享轻松玩转开源大语言模型bloom（一）(开源dap)，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:开源datav,开源datav,开源大佬,开源datav,开源 dashboard,开源dap,开源dap,开源daw,内容如对您有帮助，希望把文章链接给更多的朋友！
chatgpt已经成为了当下热门，github首页的trending排行榜上天天都有它的相关项目，但背后隐藏的却是openai公司提供的api收费服务。作为一名开源爱好者，我非常不喜欢知识付费或者服务收费的理念，所以便有决心写下此系列，让一般大众们可以不付费的玩转当下比较新的开源大语言模型bloom及其问答系列模型bloomz。那么废话不多说，本篇将介绍如何在个人电脑上简单的使用bloom模型生成句子。
模型介绍bloom是一个开源的支持最多59种语言和176B参数的大语言模型。它是在Megatron-LM GPT2的基础上修改训练出来的，主要使用了解码器唯一结构，对词嵌入层的归一化，使用GeLU激活函数的线性偏差注意力位置编码等技术。它的训练集包含了45种自然语言和12种编程语言，1.5TB的预处理文本转化为了350B的唯一token。bigscience在hugging face上发布的bloom模型包含多个参数多个版本，本文中出于让大家都能动手实践的考虑，选择最小号的bloom-1b1版本，其他模型请自行尝试。
环境准备python版本最好是3.8及以上，因为项目都会逐渐对老版本python停止支持，可能找不到现成的wheel包从而需要自己编译，而windows下需要使用VS，那是个相当痛苦的过程。
推荐pip原生虚拟环境安装，不推荐conda虚拟环境。本文的安装方法都是基于pip，如果你不懂pip虚拟环境请运行以下命令（linux如果有python2，请运行pip3）：
pip install virtualenv -i https://mirror.baidu.com/pypi/simple #安装虚拟环境包python -m venv bloom #在当前目录创建名叫bloom的虚拟环境创建完后如何启动： 先一路cd到根目录，即脚本文件夹所在目录，然后cd进去activate。
cd Scriptsactivate比如我这里是名叫gpt-ch的环境：
输完后这样就表示启动成功了，所有的命令都会在隔离环境里运行，安装的包也都会在gpt-ch/Lib/site-packages里：
安装pip包如果只用cpu进行推理，只需要安装以下包：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpupip install transformers -i https://mirror.baidu.com/pypi/simple如果你想用英伟达gpu进行推理，请自行安装gpu版的torch。这里提供wheel下载链接： 记得torch和torchvision的版本是需要对应的，然后这里默认你已经安装配置好了cuda路径，如果没有请看我之前的文章或者去网上查。 以我这里的cu117版本为例。 运行以下命令：
pip install torch-1.13.0+cu117-cp39-cp39-win_amd64.whl #自行更改文件名pip install torchvision-0.14.0+cu117-cp39-cp39-win_amd64.whl #自行更改文件名pip install transformers -i https://mirror.baidu.com/pypi/simplepip install accelerate -i https://mirror.baidu.com/pypi/simple模型下载首先请编写以下代码保存运行：
from transformers import AutoModelForCausalLM, AutoTokenizercheckpoint = "bigscience/bloom-1b1" #1b1，可改名成你想要的更大的模型tokenizer = AutoTokenizer.from_pretrained(checkpoint) #下载模型的tokenizermodel = AutoModelForCausalLM.from_pretrained(checkpoint) #下载模型网速足够快的情况下等一会就下载好了，但通常情况下我们得ctrl+c打断代码运行，手动下载模型存放到对应位置，即.cache\huggingface\hub\models–bigscience–bloom-1b1下。 如果你是windows，那么这个cache文件夹默认会创建在C:\Users\Administrator\下。 如果你是linux，你使用了root权限，会在root文件夹下创建，如果是普通用户权限，则会在对应名称的普通用户目录下，此外该文件夹在linux中默认为隐藏文件夹，需打开权限查看。 下载模型地址 把如上图所示链接中的五个文件（不包含这个flax_model.msgpack）下载下来放进自己的本地目录下的snapshots\一串数字（如下图所示）即可，其他文件夹都不用管。
生成第一段话万事准备就绪后，就可以开始愉快的游玩了，运行以下代码：
from transformers import AutoModelForCausalLM, AutoTokenizerimport timea1 = time.time()checkpoint = "bigscience/bloom-1b1"tokenizer = AutoTokenizer.from_pretrained(checkpoint)model = AutoModelForCausalLM.from_pretrained(checkpoint)inputs = tokenizer.encode("奋进在不可逆转的复兴进程上", return_tensors="pt") #promptoutputs = model.generate(inputs,min_length=150,max_new_tokens=200,do_sample=True)print(tokenizer.decode(outputs[0])) #使用tokenizer对生成结果进行解码a2 = time.time()print(f'time cost is {a2 - a1} s')time模块用来计时，我的是十二代i7，花了40s生成。 这里有一些生成时的参数需要讲解一下： min_length是指最小生成长度，等于你输入的提示词+最小生成的token数，也就是input_length+min_new_tokens。 max_new_tokens规定了最大生成的token数目，这里的token你可以理解为一个词，不好翻译所以一律token，忽略你输入的prompt。与之相关的是max_length参数，其实max_length就是max_new_tokens+你输入的prompt长度。 do_sample=True表示进行抽样，否则会使用贪心解码策略。
生成以下结果：
效果如何？是觉得不如人意还是效果逼真呢？
下期我们将尝试各种解码策略生成不一样的结果并进行比较，看到这里的朋友们可以点个关注，我们下期再见。
下一篇：【JavaScript】五个常用功能/案例：判断特定结尾字符串 | 获取指定字符串 | 颜色字符串转换 | 字符串转驼峰格式 | 简易购物车(javascripts)
