【ChatGLM2-6B】小白入门及Docker下部署

一、简介
- 1、ChatGLM2是什么
- 2、组成部分
- 3、相关地址
二、基于Docker安装部署
- 1、前提
- 2、CentOS7安装NVIDIA显卡驱动
- - 1）查看服务器版本及显卡信息
  - 2）相关依赖安装
  - 3）显卡驱动安装
- 2、 CentOS7安装NVIDIA-Docker
- - 1）相关环境准备
  - 2）开始安装
  - 3）验证&使用
- 3、 Docker部署ChatGLM2
- - 1）下载对应代码包和模型包
  - 2）上传至服务器并进行解压
  - 3）下载镜像并启动容器
  - 4）等待启动并访问页面
  - 5）注意事项
三、开发环境搭建
- 1) 代码远程编辑配置
- 2) 一些基本的说明
- 2、接口调用方式
- - 好了，开始你的探索吧~

一、简介

1、ChatGLM2是什么

一个类似于ChatGPT的智能文本对话模型，支持页面方式进行对话（ChatGLM3已经支持图片分析和生成，这里由于研究仅限于文本，因此选择GLM2）
支持训练与微调
代码开源

2、组成部分

模型：基本的模型矩阵，重量级的参数，大约十几个G，可以理解为是程序的初始化参数配置信息
代码：加载模型的py代码，ChatGLM2已经封装好了多种加载和对话的方式，支持窗口对话、WEB页面对话、Socket对话、HTTP接口对话等方式。

3、相关地址

GitHub地址： https://github.com/THUDM/ChatGLM2-6B
国内模型下载地址：https://cloud.tsinghua.edu.cn/d/674208019e314311ab5c/?p=%2F&mode=list
代码下载地址：https://github.com/THUDM/ChatGLM-6B
docker下部署文档：https://www.luckzym.com/tags/ChatGLM-6B/
windows下部署文档：https://github.com/ZhangErling/ChatGLM-6B/blob/main/deployment_windows.md
官方推荐指导手册：https://www.heywhale.com/mw/project/6436d82948f7da1fee2be59e

二、基于Docker安装部署

1、前提

安装了docker
16G以上显卡

2、CentOS7安装NVIDIA显卡驱动

先查看显卡是否已经安装，没有安装再进行安装，已安装就跳过此步
```
nvidia-smi # 如下图是已安装
```

如果没有相关信息，再进行显卡的安装。

1）查看服务器版本及显卡信息

# Linux查看显卡信息：（ps：若找不到lspci命令，可以安装 yum install pciutils）
lspci | grep -i vga# 使用nvidia GPU可以：
lspci | grep -i nvidia# 查看显卡驱动
cat /proc/driver/nvidia/version

系统：CentOS7 Linux
显卡：iGame GeForce RTX 3070 Ti Advanced OC 8G

2）相关依赖安装

安装依赖环境

yum install kernel-devel gcc -y

检查内核版本和源码版本，保证一致

ls /boot | grep vmlinu
rpm -aq | grep kernel-devel

屏蔽系统自带的Nouveau

# 查看命令：
lsmod | grep nouveau
# 修改dist-blacklist.conf文件：
vim /lib/modprobe.d/dist-blacklist.conf
# 将nvidiafb注释掉:
blacklist nvidiafb # 然后添加以下语句：
blacklist nouveau
options nouveau modeset=0

可以在屏蔽之后重启系统并在命令行中输入lsmod | grep nouveau查看命令观察是否已经将其屏蔽。

重建Initramfs Image步骤

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
dracut /boot/initramfs-$(uname -r).img $(uname -r)

修改运行级别为文本模式

systemctl set-default multi-user.target

重新启动

reboot

3）显卡驱动安装

去到NVIDIA官网下载对应的显卡驱动

网址：https://www.nvidia.cn/Download/index.aspx?lang=cn

NVIDIA显卡驱动下载

在这里点击搜索即可弹出对应的下载软件包

Display-Driver

开始安装其软件包

chmod +x NVIDIA-Linux-x86_64-525.105.17.run
./NVIDIA-Linux-x86_64-525.105.17.run

验证是否安装成功

nvidia-smi

nvidia-smi

到此CentOS7已完成NVIDIA显卡驱动的安装

2、 CentOS7安装NVIDIA-Docker

1）相关环境准备

在开始之前我们需要确保已经安装好了Docker的环境，并且也安装了Docker Compose。

需要注意的是，因为NVIDIA-Docker软件的存在，我们不需要在宿主机上安装CUDA工具包，这样我们可以根据不同的需要选择合适的版本。

NVIDIA容器工具包对应的Github代码仓库地址：https://github.com/NVIDIA/nvidia-docker

2）开始安装

# 获得当前操作系统的发行版和版本，以便下载适用于NVIDIA Docker Toolkit的正确仓库
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)# 下载NVIDIA Docker Toolkit仓库，并将其保存为文件到/etc/yum.repos.d/目录中，使得包管理器够定位并安装工具包
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo# 使用yum安装nvidia-container-toolkit软件包
sudo yum install -y nvidia-container-toolkit# 重新启动Docker守护程序，以便它识别通过安装NVIDIA Docker Toolkit进行的新配置更改
sudo systemctl restart docker

3）验证&使用

# 在现有的GPU上启动启用GPU的容器，并运行nvidia-smi命令
docker run --gpus all nvidia/cuda:10.0-base nvidia-smi# 在两个GPU上启动启用GPU的容器，并运行nvidia-smi命令
docker run --gpus 2 nvidia/cuda:10.0-base nvidia-smi# 在特定的GPU上启动启用GPU的容器，并运行nvidia-smi命令
docker run --gpus '"device=1,2"' nvidia/cuda:10.0-base nvidia-smidocker run --gpus '"device=UUID-ABCDEF,1"' nvidia/cuda:10.0-base nvidia-smi# 这个命令演示了如何为容器指定能力（图形、计算等）
# 请注意，这种方式很少使用
docker run --gpus all,capabilities=utility nvidia/cuda:10.0-base nvidia-smi

3、 Docker部署ChatGLM2

1）下载对应代码包和模型包

链接：https://pan.baidu.com/s/1RhoYQ6wL5eJM8Qd0K4BYAg?pwd=zws4 
提取码：zws4

2）上传至服务器并进行解压

解压完成后的目录如下

在这里插入图片描述

3）下载镜像并启动容器

注意：在线环境直接使用以下代码启动即可，离线环境需要先手动下载和加载woshikid/chatglm2-6b镜像，然后在使用docker进行启动

docker run --gpus all  --runtime=nvidia  \
-p 7860:7860 \
-p 8000:8000 \
-p 8501:8501 \
-p 80:80 \
-v ./ChatGLM2-6B:/ChatGLM2-6B \
-v ./model/chatglm2-6b:/chatglm2-6b \
--name chatglm2-webdemo \
-dit woshikid/chatglm2-6b \
python web_demo.py

其中，-p表示端口映射，物理机的7860端口会映射容器的7860端口，这个端口是web页面的端口

-v后跟的参数表示将物理机上的对应目录映射进入docker容器中

以下是启动的不同的访问方式和端口信息：

woshikid/chatglm2-6b python cli_demo.py  # 小黑窗口对话
-p 8000:8000 woshikid/chatglm2-6b python api.py # HTTP接口对话
-p 8000:8000 woshikid/chatglm2-6b python openai_api.py # HTTP接口对话
-p 7860:7860 woshikid/chatglm2-6b python web_demo.py  # WEB页面对话
-p 8501:8501 woshikid/chatglm2-6b streamlit run web_demo2.py  # streamlit框架的WEB页面对话

4）等待启动并访问页面

http://ip:7860即可进入对话页面

在这里插入图片描述

5）注意事项

通过nvidia-smi命令可以查看显卡使用情况

在这里插入图片描述

另外，如果是自己从github上下载的官方代码，需要修改下web_demo.py代码允许远程访问，否则默认会只允许本机访问。

在这里插入图片描述

三、开发环境搭建

1) 代码远程编辑配置

通常，本地的代码开发机器性能不足以支持ChatGLM2-6B的运行，但是在服务器上去编辑代码又十分的不方便，因此使用一种可以远程开发的方法来进行开发。下面是对这种方法的步骤介绍：

各种开发工具基本上都有这种功能，这里以Idea或者PyCharm开发工具来说明，其原理是本地开发后，利用SFTP将代码推送到远程服务器来进行对应的调试。

1）首先打开IDEA或PyCharm开发工具，打开我们的代码。
在这里插入图片描述

2）打开开发环境配置。

在这里插入图片描述

3）新建一个SFTP配置，并在Connection中填写服务器连接配置信息。

在这里插入图片描述

4）点击Mappings，将本地的代码地址和服务器上的代码地址做映射，这里服务器上的代码地址是我们ChatGLM-6B的地址，用于映射到容器内部，然后点击确认。

在这里插入图片描述

5）代码推送。

6）这样，就可以实现本地编写代码，推送到远程进行调试了，十分的便捷。

报错的信息不用管，因为本地没有环境，所以只能当编辑器使用。

2) 一些基本的说明

在这里插入图片描述

2、接口调用方式

curl -X POST "http://127.0.0.1:8000" \-H 'Content-Type: application/json' \-d '{"prompt": "你好", "history": []}'

回复的内容：

{"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。","history":[["你好","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。"]],"status":200,"time":"2023-03-23 21:38:40"
}