书生浦语训练营2期-第二节课笔记作业

目录

一、前置准备

1.1 电脑操作系统：windows 11

1.2 前置服务安装（避免访问127.0.0.1被拒绝）

1.2.1 iis安装并重启

1.2.2 openssh安装

1.2.3 openssh服务更改为自动模式

1.2.4 书生·浦语平台 ssh配置

1.3  补充（前置服务ok仍被拒绝）

二、部署InternLM2-Chat-1.8B模型进行智能对话

2.1 配置基础环境

2.2 下载 InternLM2-Chat-1.8B 模型

2.3 运行结果

三、部署八戒-Chat-1.8B模型进行智能对话

3.1 配置基础环境

3.2 demo并运行

3.3 运行结果

四、使用 Lagent 运行 InternLM2-Chat-7B 模型

4.1 配置基础环境

4.2  使用 Lagent 运行 InternLM2-Chat-7B 模型为内核的智能体

4.3  运行结果

4.4 作业-huggingface_hub python 包下载InternLM2-Chat-7B 的 config.json 文件

 五、部署 浦语·灵笔2 模型

5.1 图文写作

5.2 图片理解

六、课程总结

6.1 课程收获

6.1.1 关于Lagent

一、前置准备

1.1 电脑操作系统：windows 11

1.2 前置服务安装（避免访问127.0.0.1被拒绝）

1.2.1 iis安装并重启

操作：控制面板----程序和功能----启用或关闭windows功能----Internet Information Services &  Internet   Information services可承载的Web核心

输入127.0.01，出现以下界面就是成功了

1.2.2 openssh安装

操作：添加可选功能----openssh

1.2.3 openssh服务更改为自动模式

操作：cmd----service.msc----openssh切换成自动方式

1.2.4 书生·浦语平台 ssh配置

（1）终端生成SSH密钥

ssh-keygen -t rsa

（2）ssh公钥复制到InternStudio

密钥放在C：\Users\Administrator/.ssh/id_rsa下，进入到目录下进行查看、复制

type id_rsa.pub

（3）点击首页的配置SSH Key，将公钥复制进去

（4）本地终端ssh连接

操作：平台点击ssh连接，复制登录命令至终端

1.3  补充（前置服务ok仍被拒绝）

1.3.1 确认是否设置隧道，端口号是ssh连接的端口号，如果要输密码就是ssh的密码，我这边跳过密码了。

ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 38894

1.3.2 确认6006端口是否被占用，占用就杀掉进程

netstat ano | findstr : 6006

 

1.3.3 防火墙是否关闭

二、部署InternLM2-Chat-1.8B模型进行智能对话

2.1 配置基础环境

conda activate demo

pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

2.2 下载 InternLM2-Chat-1.8B 模型

（1）创建2个python脚本

mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo

 （2）下载模型参数文件

import os
from modelscope.hub.snapshot_download import snapshot_download

# 创建保存模型目录
os.system("mkdir /root/models")

# save_dir是模型保存到本地的目录
save_dir="/root/models"

snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", 
                  cache_dir=save_dir, 
                  revision='v1.1.0')

 python /root/demo/download_mini.py

（3）下载模型（cli_demo.py）

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
model_name_or_path = "/root/models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
model = model.eval()

system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""

messages = [(system_prompt, '')]

print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")

while True:
    input_text = input("\nUser  >>> ")
    input_text = input_text.replace(' ', '')
    if input_text == "exit":
        break

    length = 0
    for response, _ in model.stream_chat(tokenizer, input_text, messages):
        if response is not None:
            print(response[length:], flush=True, end="")
            length = len(response)

2.3 运行结果

conda activate demo
python /root/demo/cli_demo.py  

三、部署八戒-Chat-1.8B模型进行智能对话

3.1 配置基础环境

（1）进入环境并用Git获取demo

conda activate demo

cd /root/
git clone https://gitee.com/InternLM/Tutorial -b camp2
cd /root/Tutorial

3.2 demo并运行

（1）windows终端运行（38894替换成自己的端口）

ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 38894

（2）平台运行

python /root/Tutorial/helloworld/bajie_download.py

streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006

3.3 运行结果

四、使用 Lagent 运行 InternLM2-Chat-7B 模型

4.1 配置基础环境

（1）进入conda环境

conda activate demo

 （2）下载Lagent相关代码并安装

git clone https://gitee.com/internlm/lagent.git
cd /root/demo/lagent
git checkout 581d9fb8987a5d9b72bb9ebd37a95efd47d479ac
pip install -e . 

4.2  使用 Lagent 运行 InternLM2-Chat-7B 模型为内核的智能体

（1）进入lagent文件夹，设置软链接快速访问方式

cd /root/demo/lagent

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b

（2）更改模型路径

修改进入lagent/examples/internlm2_agent_web_demo_hf.py第71行

value='/root/models/internlm2-chat-7b'

（3）运行（前提：已经设置隧道。出现拒绝访问参考 1.2、1.3 章节）

streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006

 4.3  运行结果

4.4 作业-huggingface_hub python 包下载InternLM2-Chat-7B 的 config.json 文件

（1）安装huggingface_hub

pip install -U huggingface_hub

（2)创建下载脚本

（3）运行

 五、部署 浦语·灵笔2 模型

5.1 图文写作

（1）进入conda环境

conda activate demo

（2）补充环境包

pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5

（3）下载 InternLM-XComposer 仓库 相关的代码资源

cd /root/demo
git clone https://gitee.com/internlm/InternLM-XComposer.git
cd /root/demo/InternLM-XComposer
git checkout f31220eddca2cf6246ee2ddf8e375a40457ff626

 （4）构造软链接

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-7b /root/models/internlm-xcomposer2-7b
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-7b /root/models/internlm-xcomposer2-vl-7b

 （5）启动 InternLM-XComposer

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_composition.py  \
--code_path /root/models/internlm-xcomposer2-7b \
--private \
--num_gpus 1 \
--port 6006

（6）访问127.0.0.1：6006

 5.2 图片理解

（1）进入conda环境

（2）启动 InternLM-XComposer2-vl

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_chat.py  \
--code_path /root/models/internlm-xcomposer2-vl-7b \
--private \
--num_gpus 1 \
--port 6006

 （3）访问127.0.0.1：6006

六、课程总结

6.1 课程收获

6.1.1 关于Lagent

一个轻量级的开源框架，帮助用户高效构建基于大型语言模型（LLM）的智能代理。它还提供了一些典型的工具来增强LLM的功能。

主要特点包括高效的推理引擎支持、对多种代理的支持、极简易的扩展能力以及支持多种LLM，如GPT-3.5/4、LLaMA 2和InternLM等。

Lagent的设计旨在提高扩展性和可用性，允许用户通过简单的继承和装饰来创建个性化的工具集，从而使模型到智能代理的转换只需一步操作。此外，Lagent的文档也经过了全面的升级，覆盖了完整的API文档。

Lagent支持通过简单的代码定义智能代理、动作以及与LLM的交互，使得构建智能代理变得更加直接和灵活。

当前，LLM Agent正处于实验和概念验证阶段。在实际使用中还面临着诸多挑战，如处理任务时的循环问题、记忆模块的策略问题以及因幻觉问题而错误使用工具的问题等。这些问题的解决需要LLM本身的进一步发展和Agent框架的优化。然而，围绕LLM Agent的生态正在逐渐丰富，探索Agent模型、框架以及应用的研究正在积极进行中，旨在提升Agent的能力，使其能更好地应对现实世界的复杂性。

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/news/793819.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

Thread的基本用法

Thread的基本用法

目录 正文： 1.线程创建 2.线程休眠 3.获取线程实例 4.线程中断 5.线程等待join() 总结： 正文： 1.线程创建 线程创建是多线程编程的第一步，它涉及到创建一个可以并行执行的新线程。在Java中，有几种不同的方法可…
阅读更多...
【Laravel】08 RESTful风格

【Laravel】08 RESTful风格

【Laravel】08 视图模板动态渲染数据 1. RESTful风格 1. RESTful风格 (base) ➜ example-app php artisan make:model Blog -mc Model created successfully. Created Migration: 2024_04_01_143040_create_blogs_table Controller created successfully.(base) ➜ example-…
阅读更多...
简述JMeter实现分布式并发及操作

简述JMeter实现分布式并发及操作

为什么要分布式并发？ JMeter性能实践过程中，一旦进行高并发操作时就会出现以下尴尬场景，JMeter客户端卡死、请求错误或是超时等，导致很难得出准确的性能测试结论。 目前知道的有两个方法可以解决JMeter支撑高并发： …
阅读更多...
阿里 对象存储OSS 云存储服务

阿里 对象存储OSS 云存储服务

1.简介 对象存储服务(Object Storage Service ,OSS) 是一种 海量、安全、低成本、高可靠的云存储服务，适合存放任意类型的文件。容量和处理能力弹性扩展，多种存储类型供选择，全面优化存储成本。 2.如何使用。参考文档 看文档，说的…
阅读更多...
【python从入门到精通】-- 第四战：语句汇总

【python从入门到精通】-- 第四战：语句汇总

🌈 个人主页：白子寰 🔥 分类专栏：python从入门到精通，魔法指针，进阶C，C语言，C语言题集，C语言实现游戏👈 希望得到您的订阅和支持~ 💡 坚持创作博文…
阅读更多...
docker从入门到熟悉

docker从入门到熟悉

一、什么是docker？ Docker是一个用于开发，交付和运行应用程序的开放平台。Docker使您能够将应用程序与基础架构分开，从而可以快速交付软件。借助Docker，您可以以与管理应用程序相同的方式来管理基础架构。通过利用Docker的快速交付…
阅读更多...
GPT3, llama2, InternLM2技术报告对比

GPT3, llama2, InternLM2技术报告对比

GPT3（September 22, 2020）是大语言应用的一个milestone级别的作品，Llama2（February 2023）则是目前开源大模型中最有影响力的作品，InternLM2（2023.09.20）则是中文比较有影响力的作品。…
阅读更多...
Linux文件搜索工具(gnome-search-tool)

Linux文件搜索工具(gnome-search-tool)

opensuse下安装: sudo zypper install gnome-search-tool 操作界面:
阅读更多...
JNews Theme最新版本：新闻网站首选的WordPress主题，功能强大且灵活

JNews Theme最新版本：新闻网站首选的WordPress主题，功能强大且灵活

JNews Theme最新版本：新闻网站的首选WordPress主题 在当今数字化时代，新闻网站扮演着至关重要的角色。为了打造一个吸引读者、功能齐全的新闻平台，选择一款合适的WordPress主题显得尤为关键。而JNews Theme最新版本正是新闻网站的首选WordPr…
阅读更多...
MacOS - brew 和 brew cask 有什么区别？

MacOS - brew 和 brew cask 有什么区别？

brew 是 ruby 的包管理，后来看 yangzhiping 的博客介绍了 brew cask，感觉 cask 是更好的关联关系管理，但是，我后来使用过程中，发现很多软件 brew cask 里没有，但是 brew 里面倒是挺多！今天来给说…
阅读更多...
java面试题（Redis）

java面试题（Redis）

事情干的差不多了，开刷面试题和算法，争取在短时间内快速成长，理解java面试的常见题型 一、redis使用场景： 缓存：穿透、击穿、雪崩 双写一致、持久化 数据过期、淘汰策略 分布式锁：setnx、redisson 计数…
阅读更多...
【JavaScript】函数 ⑦ ( 函数定义方法 | 命名函数 | 函数表达式 )

【JavaScript】函数 ⑦ ( 函数定义方法 | 命名函数 | 函数表达式 )

文章目录 一、函数定义方法1、命名函数2、函数表达式3、函数表达式示例 一、函数定义方法 1、命名函数 定义函数的标准方式 就是 命名函数 , 也就是之前讲过的 声明函数 ; 函数 声明后 , 才能被调用 ; 声明函数的语法如下 : function functionName(parameters) { // 函数体 …
阅读更多...
计算机网络：数据链路层 - 可靠传输协议

计算机网络：数据链路层 - 可靠传输协议

计算机网络：数据链路层 - 可靠传输协议 可靠传输概念停止-等待协议 SW回退N帧协议 GBN选择重传协议 SR 可靠传输概念 如下所示，帧在传输过程中受到干扰，产生了误码。接收方的数据链路层，通过真伪中的真检验序列 FCS 字段的值&…
阅读更多...
ROS 2边学边练（13）-- 创建一个功能包

ROS 2边学边练（13）-- 创建一个功能包

前言 功能包是啥 简单理解，功能包就是一个文件夹，一个具备一定功能的文件夹，一个有组织有结构的文件夹，一个能方便分享给其他人使用的文件夹，比如我们的小海龟功能包，它就是一个文件夹，名字叫t…
阅读更多...
WPS 不登录无法使用基本功能的解决办法

WPS 不登录无法使用基本功能的解决办法

使用wps时，常常有个比较让人烦恼的事，在不登录的情况下，新建或者打开文档时，wps不让你使用其基本的功能，如设置字体等，相关界面变成灰色，这时Wps提示用户登录注册或登录，但我又不想登…
阅读更多...
【QT入门】 无边框窗口设计之综合运用，实现WPS的tab页面

【QT入门】 无边框窗口设计之综合运用，实现WPS的tab页面

往期回顾： 【QT入门】 无边框窗口设计之实现窗口阴影-CSDN博客 【QT入门】 无边框窗口设计之实现圆角窗口-CSDN博客 【QT入门】 无边框窗口设计综合运用之自定义标题栏带圆角阴影的窗口-CSDN博客 【QT入门】 无边框窗口设计之综合运用，实现WPS的tab页面 …
阅读更多...
Nexus的docker安装，maven私服

Nexus的docker安装，maven私服

文章目录 前言安装创建文件夹设置文件夹权限docker创建指令制作docker-compose.yaml文件 查看网站访问网页查看密码 前言 nexus作为私服的maven仓库，在企业级应用中，提供了依赖来源的稳定性，为构建庞大的微服务体系，打下基础 安…
阅读更多...
算法——分治(快速排序)

算法——分治(快速排序)

T04BF &#x1f44b;专栏: 算法|JAVA|MySQL|C语言 &#x1faf5; 小比特 大梦想 此篇文章与大家分享分治算法关于快速排序的专题 对于快速排序在我个人主页专栏 <排序> 有详细的介绍,此专题对快排进行了优化操作,并介绍了优化后的快排的几种运用 如果有不足的或者错误的请…
阅读更多...
【正点原子探索者STM32F4】TFTLCD实验学习记录：FSMC控制 TFTLCD的寄存器配置

【正点原子探索者STM32F4】TFTLCD实验学习记录：FSMC控制 TFTLCD的寄存器配置

FSMC控制 TFTLCD的寄存器配置 异步模式 A控制 TFTLCDFSMC寄存器配置ILI9341电平持续时间要求 参考 异步模式 A控制 TFTLCD LCD以ILI9341为例 FSMC寄存器配置 对于异步突发访问方式&#xff0c; FSMC 主要设置 3 个时间参数&#xff1a;地址建立时间(ADDSET)、 数据 建立时间…
阅读更多...
Unity之PUN实现多人联机射击游戏的优化（Section 2）

Unity之PUN实现多人联机射击游戏的优化（Section 2）

目录 &#x1f3ae;一、准备工作 &#x1f3ae;二、实现手雷投掷动作 &#x1f3ae;三、手雷投掷同步 &#x1f4a4;3.1 photonView.RPC &#x1f3ae;四、同步手雷伤害 这几周都给我布置任务了&#xff0c;最近可忙。现在终于有机会更新了&#xff0c;也谢谢大家的阅读&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023