BlueLM：以2.6万亿token铸就7B参数超大规模语言模型

一、介绍

BlueLM 是由 vivo AI 全球研究院自主研发的大规模预训练语言模型，本次发布包含 7B 基础 (base) 模型和 7B 对话 (chat) 模型，同时我们开源了支持 32K 的长文本基础 (base) 模型和对话 (chat) 模型。

  • 更大量的优质数据 ：高质量语料库进行训练，规模达到了 2.6 万亿 的 token 数，该语料库包含中文、英文以及少量日韩数据；
  • 更优的效果 ：其中 BlueLM-7B-Chat 在 C-Eval 和 CMMLU 上均取得领先结果，对比同尺寸开源模型中具有较强的竞争力；
  • 长文本支持 ：BlueLM-7B-Base-32K 和 BlueLM-7B-Chat-32K 均支持 32K 长文本，在保持基础能力相当情况下，能够支持更长上下文理解；
  • 协议说明 ：BlueLM 系列欢迎开发者进行学术研究和商业应用。

二、部署过程

基础环境最低要求说明：

环境名称版本信息1
Ubuntu22.04.4 LTS
CudaV12.1.105
Python3.9
NVIDIA CorporationRTX 3090

1. 更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等
cat /etc/os-release

1726627581255_image.png

配置 apt 国内源

# 更新软件包列表
apt-get update

这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。

# 安装 Vim 编辑器
apt-get install -y vim

这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。

为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：

# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak

这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。

# 编辑软件源列表文件
vim /etc/apt/sources.list

这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。

在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。

编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。

1726627632814_image.png

使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list里面的全部代码，配置 apt 国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

1726627649314_image.png

安装常用软件和工具

# 更新源列表，输入以下命令：
apt-get update# 更新系统软件包，输入以下命令：
apt-get upgrade# 安装常用软件和工具，输入以下命令：
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具

1726627670779_image.png

2. 安装 NVIDIA CUDA Toolkit 12.1

  • 下载 CUDA Keyring ：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb

这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。

  • 安装 CUDA Keyring ：
dpkg -i cuda-keyring_1.0-1_all.deb

使用 dpkg 安装下载的密钥环。这是必要的，以便 apt 能够验证从 NVIDIA 仓库下载的软件包的签名。

1726627689852_image.png

  • 删除旧的 apt 密钥（如果必要） ：
apt-key del 7fa2af80

这一步可能不是必需的，除非您知道 7fa2af80 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。

  • 更新 apt 包列表 ：
apt-get update

更新 apt 的软件包列表，以便包括刚刚通过 cuda-keyring 添加的 NVIDIA 仓库中的软件包。

  • 安装 CUDA Toolkit ：
apt-get -y install cuda-toolkit-12-1

1726627724243_image.png

出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功

1726627736357_image.png

注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 cuda-toolkit-12-1 的包。通常，您会安装一个名为 cuda 或 cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。

如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 .run 安装程序进行手动安装。

请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。

1726627761880_image.png

  • 出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量

编辑 ~/.bashrc 文件

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

1726627785017_image.png

激活 ~/.bashrc 文件

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

which nvcc
nvcc -V

1726627797367_image.png

3. 安装 Miniconda

  • 下载 Miniconda 安装脚本 ：
    • 使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。
  • 运行 Miniconda 安装脚本 ：
    • 使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。
# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh# 初次安装需要激活 base 环境
source ~/.bashrc

按下回车键（enter）

1726627823409_image.png

输入yes

1726627835177_image.png

输入yes

1726627844297_image.png

安装成功如下图所示

1726627852297_image.png

pip配置清华源加速

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

  • 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。
  • 在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。
  • 安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 "yes" 以完成安装和初始化。
  • 安装完成后，您可以使用 conda 命令来管理 Python 环境和包。
  • 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。

4. 从 github 仓库 克隆项目：

  • 克隆存储库：
# 克隆项目
git clone https://github.com/vivo-ai-lab/BlueLM.git

1727339703854_037fe434_12276338.png

出现以上页面即是克隆项目成功！

请注意，如果 git clone https://github.com/vivo-ai-lab/BlueLM.git 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

5. 创建虚拟环境

# 创建一个名为 BlueLM 的新虚拟环境，并指定 Python 版本为 3.9
conda create -n BlueLM python=3.9 -y

1727339708074_a68cb088_12276338.png

等待安装完成

1727339712131_3e45efa9_12276338.png

6. 安装模型依赖库：

  • 切换到项目目录、激活 Yi-Coder 虚拟环境、安装 requirements.txt 依赖
# 切换到项目工作目录
cd /BlueLM# 激活 BlueLM 虚拟环境
conda activate BlueLM# 在 Yi-Coder 环境中安装 requirements.txt 依赖
pip install -r requirements.txt

1727339719071_a64440d1_12276338.png

依赖安装成功如下图所示：

1727339722463_ceca4eb4_12276338.png

7. 下载预训练模型：

安装 modelscope 依赖包

pip install modelscope

1727339726663_f2bec9c8_12276338.png

创建一个Python下载脚本

vim modelscope_download.py

插入以下下载代码

# Python 代码下载模型
from modelscope import snapshot_download
model_dir = snapshot_download('vivo-ai/bluelm-7b-chat', cache_dir='./', revision='master')

保存文件：Esc --》Shift + ：--》输入英文的 ：--》输入：wq

  • 如果你正在编辑文本，先按 Esc 键退出插入模式。
  • 然后，直接按 Shift + :（不需要先按冒号，这个组合键已经包含了冒号的输入），屏幕上会出现一个冒号，提示你输入命令。
  • 接着，输入 wq，表示你想要保存文件并退出。
  • 最后，按 Enter 键执行命令。

执行 modelscope_download.py 文件进行模型下载

python modelscope_download.py

1727339734455_21f984ae_12276338.png

8. 运行 web_demo.py 文件

# 运行 web_demo.py 文件
streamlit run web_demo.py --server.address 0.0.0.0 --server.port 8080

1727339743589_58005435_12276338.png

出现以上报错，需要修改模型路径

# 编辑 web_demo.py 文件
vim web_demo.py

1727339747882_5926add1_12276338.png

替换为刚刚下载模型的路径

1727339752135_863e3503_12276338.png

运行 web_demo.py 文件

# 运行 web_demo.py 文件
streamlit run web_demo.py --server.address 0.0.0.0 --server.port 8080

1727339756692_162261c2_12276338.png

三、网页演示

出现以下 Gradio 页面，即是模型已搭建完成。

1727339761634_48640950_12276338.png

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/diannao/64650.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

C语言基础16(文件IO)

C语言基础16(文件IO)

文章目录 构造类型枚举类型typedef 文件操作(文件IO)概述文件的操作文件的打开与关闭打开文件关闭文件文件打开与关闭案例 文件的顺序读写单字符读取多字符读取单字符写入多字符写入 综合案例：文件拷贝判别文件结束 数据块的读写(二进制)数据块的读取数据块的写入 文…
阅读更多...
【Unity/HFSM】使用UnityHFSM实现输入缓冲（预输入）和打断机制

【Unity/HFSM】使用UnityHFSM实现输入缓冲（预输入）和打断机制

文章目录 前言预输入Animancer的InputBuffer：在UnityHFSM中实现InputBuffer： 打断机制 前言 参考Animancer在状态机中的InputBuffer，在UnityHFSM中实现类似的InputBuffer机制，同时扩展一个状态打断机制 插件介绍： A…
阅读更多...
运维日记

运维日记

运维 内容分发网络（CDN）：使用CDN将图片分发到离用户更近的服务器，减少传输时间sudo的权限配置是通过/etc/sudoers文件管理的，这个文件定义了哪些用户在哪种条件下执行什么命令。直接编辑这个文件是有风险的，因为错误的语法可能导致系统无法正常使用sudo功能，因此使用vi…
阅读更多...
前端需要学什么

前端需要学什么

作为前端开发者，学习的内容不仅仅局限于 HTML、CSS 和 JavaScript。前端技术栈发展迅速，想要在职业生涯中不断进步，可以从以下几个方面规划学习路径： 1. 核心前端技能 掌握前端开发的基础和进阶知识： HTML/CSS/JavaS…
阅读更多...
用python+YOLOV8图片车辆车距

用python+YOLOV8图片车辆车距

1. 检测车辆： 使用深度学习模型（例如 YOLO、Mask R-CNN）来检测照片中的车辆，并得到每辆车的边界框（Bounding Box）。 工具与技术： YOLOv5/YOLOv8：高效的实时目标检测模型。OpenCV&…
阅读更多...
【数理统计】参数估计

【数理统计】参数估计

文章目录 点估计矩估计法最大似然估计法 区间估计单个正态总体参数的区间估计均值 μ \mu μ 的区间估计方差 σ 2 \sigma^2 σ2 的区间估计 两个正态总体参数的区间估计（略）补充：单侧置信区间 点估计 矩估计法 【定义】设 X X X 是随机…
阅读更多...
冯诺依曼架构与哈佛架构的对比与应用

冯诺依曼架构与哈佛架构的对比与应用

冯诺依曼架构（Von Neumann Architecture），也称为 冯诺依曼模型，是由著名数学家和计算机科学家约翰冯诺依曼（John von Neumann）在1945年提出的。冯诺依曼架构为现代计算机奠定了基础，几乎所有现代…
阅读更多...
linux不同发行版中的主要差异

linux不同发行版中的主要差异

一、初始化系统 Linux不同发行版中的系统初始化系统（如 System V init、Upstart 或 systemd） System V init： 历史：System V init 是最传统的 Linux 系统初始化系统，起源于 Unix System V 操作系统。运行级别&#xff…
阅读更多...
3D造型软件solvespace在windows下的编译

3D造型软件solvespace在windows下的编译

3D造型软件solvespace在windows下的编译 在逛开源社区的时候发现了几款开源CAD建模软件，一直囿于没有合适的建模软件，虽然了解了很多的模拟分析软件，却不能使之成为整体的解决方案，从而无法产生价值。opencascad之流虽然可行&…
阅读更多...
机器学习04-为什么Relu函数

机器学习04-为什么Relu函数

机器学习0-为什么Relu函数 文章目录 机器学习0-为什么Relu函数 [toc]1-手搓神经网络步骤总结2-为什么要用Relu函数3-进行L1正则化修改后的代码解释 4-进行L2正则化解释注意事项 5-Relu激活函数多有夸张1-细数Relu函数的5宗罪2-Relu函数5宗罪详述 6-那为什么要用这个Relu函数7-文…
阅读更多...
Redis篇-21--运维篇3-集群（分片，水平扩展，高可用，集群配置案例，扩展哨兵案例）

Redis篇-21--运维篇3-集群（分片，水平扩展，高可用，集群配置案例，扩展哨兵案例）

1、概述 Redis集群（Cluster）通过分片（sharding）实现了水平扩展，允许数据分布在多个节点上，从而提升性能和存储容量。 在Redis集群中，数据被分割成16384个哈希槽（hash slots&#x…
阅读更多...
QScreen在Qt5.15与Qt6.8版本下的区别

QScreen在Qt5.15与Qt6.8版本下的区别

简述 QScreen主要用于提供与屏幕相关的信息。它可以获取有关显示设备的分辨率、尺寸、DPI（每英寸点数）等信息。本文主要是介绍Qt5.15与Qt6环境下，QScreen的差异，以及如何判断高DPI设备。 属性说明 logicalDotsPerInch&#xff1…
阅读更多...
[HNCTF 2022 Week1]你想学密码吗？

[HNCTF 2022 Week1]你想学密码吗？

下载附件用记事本打开 把这些代码放在pytho中 # encode utf-8 # python3 # pycryptodemo 3.12.0import Crypto.PublicKey as pk from hashlib import md5 from functools import reducea sum([len(str(i)) for i in pk.__dict__]) funcs list(pk.__dict__.keys()) b reduc…
阅读更多...
shell8

shell8

until循环(条件为假的时候一直循环和while相反) i0 until [ ! $i -lt 10 ] doecho $i((i)) done分析 初始化变量： i0：将变量i初始化为0。 条件判断 (until 循环)： until [ ! $i -lt 10 ]：这里的逻辑有些复杂。它使用了until循环…
阅读更多...
【游戏中orika完成一个Entity的复制及其Entity异步落地的实现】 1.ctrl+shift+a是飞书下的截图 2.落地实现

【游戏中orika完成一个Entity的复制及其Entity异步落地的实现】 1.ctrl+shift+a是飞书下的截图 2.落地实现

一、orika工具使用 1)工具类 package com.xinyue.game.utils;import ma.glasnost.orika.MapperFactory; import ma.glasnost.orika.impl.DefaultMapperFactory;/*** author 王广帅* since 2022/2/8 22:37*/ public class XyBeanCopyUtil {private static MapperFactory mappe…
阅读更多...
frp内网穿透笔记

frp内网穿透笔记

文章目录 一、环境介绍二、配置过程2.1 下载文件2.3 服务器A的配置2.3 目标机B的配置2.4 电脑C怎么用 三、问题汇总 一、环境介绍 带公网的vps服务器A，需要穿透到的无公网目标电脑B，以及一台需要通过公网访问B的电脑C。frp 0.47.0：frp_0.47.…
阅读更多...
PostgreSQL的交互式终端使用一系列命令来获取有关文本搜索配置对象的信息

PostgreSQL的交互式终端使用一系列命令来获取有关文本搜索配置对象的信息

在 psql（PostgreSQL 的交互式终端）中，你可以使用一系列命令来获取有关文本搜索配置对象的信息。这些命令主要围绕 \dF 系列，以及使用 SQL 查询 pg_ts_config 系统视图。以下是你可以使用的一些方法： 使用 \dF 系列命令…
阅读更多...
写定制程序容易遇见的问题（FLASH不够时）

写定制程序容易遇见的问题（FLASH不够时）

做了一个关于定制两条串口协议的活，主要是要在源代码基础上进行修改。源代码只剩了200多字节flash。本来最初我的想法很奇特，用结构体来模仿寄存器的写法。当我写完几行代码后，编译链接，立马就报CODE内存超了。 然后最终还是选择…
阅读更多...
【Leetcode 热题 100 - 扩展】303. 区域和检索 - 数组不可变

【Leetcode 热题 100 - 扩展】303. 区域和检索 - 数组不可变

问题背景 给定一个整数数组 n u m s nums nums，处理以下类型的多个查询： 计算索引 l e f t left left 和 r i g h t right right（包含 l e f t left left 和 r i g h t right right）之间的 n u m s nums nums 元素的 和 &a…
阅读更多...
本地缓存和Redis缓存 存储更新时间的更新套路

本地缓存和Redis缓存 存储更新时间的更新套路

//先获取redis key和local key //从reids中获取数据 – 为空 先设置redis缓存30天,value为当前时间 然后设置本地缓存,value为当前时间 从数据库里读数据 – 不为空 获取本地缓存时间 if本地缓存时间 < redis缓存时间(认为已更新)或者本地为空 从数据库读数据 else 从本地缓…
阅读更多...
最新文章

Copyright @ 2022~2023