【书生·浦语大模型实战】“PDF阅读小助手”学习笔记_pdf读取 大语言模型

1 参考资料

《新版本Lmdeploy量化手册与评测》

2 项目资料

项目主页：【tcexeexe / pdf阅读小助手】

3 模型运行测试

在InternStudio平台中选择A100 (1/4)的配置，镜像选择Cuda11.7-conda，可以选择已有的开发机langchain；

3.1 创建工作空间

mkdir /root/pdf_project
1

1.2 Clone项目

git clone https://gitee.com/tcexeexe/pdf-reading-assistant.git
1

1.3 ⭐创建虚拟项目空间并生成软链接

# 迭代创建虚拟项目空间和model目录
ln -sf /root/pdf_project /home/tcexeexe
# 建立分词数据目录
mkdir -p /root/pdf_project/data/pdf-reading-assistant/data_base/vector_db/pdf
1
2
3
4

1.4 激活conda环境

conda activate InternLM
1

1.5 安装PyPDF2库

pip install PyPDF2 pypdf tiktoken transformers_stream_generator
1

1.6 创建model文件夹：用来存放工具模型

mkdir -p /home/tcexeexe/data/model
1

1.7 建立分词程序的软链接

ln -sf /root/data/model/sentence-transformer /home/tcexeexe/data/model/sentence-transformer
1

Note:

• /home/tcexeexe/data/model/sentence-transformer：此路径来自于make_knowledge_repository.py

1.8 生成PDF知识库

python /root/pdf_project/data/pdf-reading-assistant/make_knowledge_repository.py
1

以上脚本会生成数据库文件chroma.sqlite3，知识库中指定的文件内容就会存到其中，之前使用的PDF文件就不需要了。

在安装PyPDF2之后仍然会遇到"ModuleNotFoundError: No module named ‘PyPDF2’"的错误

我们猜测这个错误是因为PyPDF2跟pypdf的重复安装导致的，为了验证这个问题，我们可以尝试使用绝对路径运行make_knowledge_repository.py:

/root/.conda/envs/InternLM/bin/python \
/root/pdf_project/data/pdf-reading-assistant/make_knowledge_repository.py
1
2

1.9 在InternStudio中上传的PDF文件会被其意外清理

我们在InternStudio上做实验时发现：

InternStudio会不定时地删除上传的PDF文件；

我们咨询了一下队长：

队长回复说这是InternStudio一种已知的问题；

1.8 运行网页demo

python /root/pdf_project/data/pdf-reading-assistant/web_demo.py
1

1.9 生成秘钥

ssh-keygen -t rsa
1

1.10 使用浏览器访问应用

通过网页访问：127.0.0.1:7860

1.11 提问备忘

“提示学习”：来自于《大语言模型提示注入攻击安全风险分析报告》

提示学习是什么
1

2 模型部署

2.1 OpenXLab：“相当于浦语体系中的HuggingFace平台”

2.2 更新工具库

python -m pip install --upgrade pip
1