blog/source/_posts/2024/02/chatglm3.md

title	tags	categories	index_img	banner_img	permalink	date
chatglm3使用笔记	AI 学习笔记	学习笔记	/img/2024/2/17/chatglm3.png	/img/2024/2/17/chatglm3.png	/2024/02/16/chatglm3/index.html	2024-02-16 20:34:02

ChatGLM3是智谱AI和清华大学 KEG 实验室联合发布的对话预训练模型。
ChatGLM3共有三种模型,如何选择请看这里 实测windows 2022数据中心版+CUDA12.2+全部环境+anaconda+ChatGLM3-6b模型大约需要85G空间 如果你没有GPU,那么可以来启智白嫖(真的白嫖,想充钱都充不了的,从前面的链接注册可以获得100积分,100积分在启智可以用11个小时A100,不过启智把内网穿透禁掉了,所以使用webui的模型没法跑)(其实也不是不能跑,就是自己改代码有点太麻烦了)

软件安装

运行ChatGLM3需要anaconda和Git,如果你的电脑上有,可以跳过这一部分。

anaconda

在这里选择合适的anaconda安装,安装时记得勾选添加环境变量

Conda 换源

如果你的机器不在大陆或连接默认源很快,可以跳过这一步

# 首先，看一下目前conda源都有哪些内容
conda info
# 然后，删除并恢复默认的conda源
conda config --remove-key channels 

换源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --set show_channel_urls yes

Git

参照这里选择合适的Git安装(安装时直接一路点next就行)

下载模型

具体如何让部署请参考模型官方仓库,这里只是一个示例(以从modelspace上使用Git下载为例) 三个模型按需选一个就行,不要全部下载

# 安装Git LFS
git lfs install
# ChatGLM3-6b
git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git
# ChatGLM3-6b-Base
git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b-base.git
# ChatGLM3-6B-32K
git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b-32k.git

模型很大,可能需要等待较长时间

环境部署

执行以下命令新建一个 conda 环境并安装所需依赖：

conda create -n chatglm3-demo python=3.10
# 如果这一步报错,试试 activate chatglm3-demo
conda activate chatglm3-demo
# 如果下载过慢请使用 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 更换pip源
pip install -r requirements.txt 

pytorch & CUDA

默认安装的pytorch可能不带有CUDA支持,请参照一下步骤重装/安装带有CUDA支持的pytorch

安装带有CUDA支持的PyTorch

pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu111/torch_stable.html

其中的cu111表示支持CUDA 11.1,自行替换为你的CUDA版本,在安装前记得先访问一下这个URL,看看你的CUDA版本是否受到支持 如果你的CUDA版本为12.2,可以安装支持CUDA12.1的pytorch

验证安装

安装完成后，可以在Python环境中检查PyTorch是否正确识别到了CUDA：

import torch
print(torch.cuda.is_available())

如果返回True，则说明PyTorch已成功启用CUDA支持

代码修改

请先看完下面这部分内容,如果符合你的情况,你可以选择直接克隆我已经修改好仓库

# Github
git clone https://github.com/ssdomei232/ChatGLM3-easydemo.git
# 如果你访问GitHub比较困难,可以用下面这个
git clone https://openi.pcl.ac.cn/mei232/ChatGLM3.git

ps:如果你觉得我弄的配色很丑,可以在右上角改掉
如果你使用windows或带有桌面的linux,更推荐你使用composite_demo,如果你使用命令行的linux,请使用basic_demo体验

模型量化

默认情况下，模型以 FP16 精度加载，运行ChatGLM3-6b模型需要大概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： 运行4-bit量化的ChatGLM3-6b模型大约需要8G显存.

综合demo

如果你使用windows或带有桌面的linux,请看这部分内容 找到client.py 130行左右

self.model = AutoModel.from_pretrained(
                model_path,
                trust_remote_code=True,
                config=config,
                device_map="auto").eval()
            # add .quantize(4).cuda() before .eval() and remove device_map="auto" to use int4 model

改为

self.model = AutoModel.from_pretrained(
                model_path,
                trust_remote_code=True,
                config=config,
                ).quantize(4).cuda().eval()
            # add .quantize(4).cuda() before .eval() and remove device_map="auto" to use int4 model

client.py 150行左右,

self.model = AutoModel.from_pretrained(MODEL_PATH, trust_remote_code=True, device_map="auto").eval()

改为

self.model = AutoModel.from_pretrained(MODEL_PATH, trust_remote_code=True).quantize(4).cuda().eval()

命令行对话 Demo

如果你使用命令行的linux,请看这部分内容 找到cli_demo.py第八行左右

model = AutoModel.from_pretrained(MODEL_PATH, trust_remote_code=True, device_map="auto").eval()

改为

model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True).quantize(4).cuda().eval()

从本地加载模型

如果你的机器位于某堵墙内或无法访问huggingface,有或者你已经提前下载好了模型,请看这部分内容

综合demo

如果你使用windows或带有桌面的linux,请看这部分内容 找到client.py第十八行左右

MODEL_PATH = os.environ.get('MODEL_PATH', 'THUDM/chatglm3-6b')

改为

# 模型文件放在同目录chatglm3-6b目录下,如果你想放在别处,请自行修改
MODEL_PATH = 'chatglm3-6b'

命令行对话 Demo

如果你使用命令行的linux,请看这部分内容 找到cli_demo.py第四行左右

MODEL_PATH = os.environ.get('MODEL_PATH', 'THUDM/chatglm3-6b')

改为

# 模型文件放在同目录chatglm3-6b目录下,如果你想放在别处,请自行修改
MODEL_PATH = 'chatglm3-6b'

运行

综合demo

conda activate chatglm3-demo
cd composite_demo
streamlit run main.py

稍等一会加载模型,加载完浏览器会自动弹出到webui,若没有自动弹出,请查看命令行输出手动开启

命令行对话 Demo

conda activate chatglm3-demo
cd basic_demo
python cli_demo.py

稍等一会加载模型,加载完就可以开始对话

温馨提示

相当不建议你使用CPU来运行,除非你使用AMD的线程撕裂者之类的CPU,否则就不要难为电脑了.

参考资料

Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址 THUDM/ChatGLM3: ChatGLM3 series: Open Bilingual Chat LLMs | 开源双语对话语言模型