Qwen2本地web Demo_qwen2 7b 硬件要求

Qwen2的web搭建(streamlit)

千问2前段时间发布了，个人觉得千问系列是我用过最好的中文开源大模型，所以这里基于streamlit进行一个千问2的web搭建，来进行模型的测试

一、硬件要求

该文档中使用的千问模型为7B-Instruct，需要5g以上的显存，如果是轻薄本不建议进行本地测试（下图为测试时的实际显存占用）

二、环境准备

对于环境的基本要求

transformers
torch
streamlit
sentencepiece
accelerate
transformers_stream_generator
1
2
3
4
5
6

上述是基础的环境准备，可以用conda创建一个新的环境来进行配置。在下载库时可以使用清华大学的镜像进行加速，如下所示

pip install transformers -i https://pypi.tuna.tsinghua.edu.cn/simple
1

三、模型下载

这里推荐使用huggingface镜像网站进行下载，因为在下载中断后，再次请求时会从上次中断的地方继续，而不是重新下载。

https://hf-mirror.com

以千问为例，在终端的下载请求为

huggingface-cli download --resume-download Qwen/Qwen2-7B-Instruct --local-dir ./qwen2
1

四、web代码编写

from transformers import AutoTokenizer,AutoModelForCausalLM
import torch
import streamlit as st

#在侧边栏创建标题
with st.sidebar:
    st.markdown("qwen2")
    "hello world"
 	#创建滑块，默认值为512，范围在0到1024之间
    max_length = st.slider("max_length",0,1024,512,step=1)

#创建标题和副标题
st.title("qwen2 chatbot")
st.caption("test")

#你下载到本地的模型路径
model_path = "../models/qwen2-1.5b-Instruct"

#@streamlit.cache_resource 是一个用于缓存昂贵或频繁调用的资源（如大型文件、网络资源、或数据库连接）的装饰器。这个装饰器可以帮助你提高应用的性能，通过缓存那些不经常变更但加载需要大量时间或计算资源的数据。
#定义的函数来获取tokenizer和model
@st.cache_resource
def get_model():
    tokenizer = AutoTokenizer.from_pretrained(model_path,use_fast=False)
    model = AutoModelForCausalLM.from_pretrained(model_path,torch_dtype=torch.float16,device_map='auto')
    return tokenizer,model

tokenizer,model = get_model()

#如果没有消息，则创建默认的消息列表
if "messages" not in st.session_state:
    st.session_state['messages'] = [{'role':"assistant","content":"有什么可以帮到您？"}]

#便利session_state中的消息并显示在聊天界面上
for msg in st.session_state.messages:
    st.chat_message(msg["role"]).write(msg["content"])
## 如果用户在聊天输入框中输入了内容，则执行下述操作
if prompt := st.chat_input():
    #将用户输入添加到message列表中
    st.session_state.messages.append({"role":"user","content":prompt})
    #在聊天界面上显示用户输入
    st.chat_message("user").write(prompt)
    
    
	#构建输入
    input_ids = tokenizer.apply_chat_template(st.session_state.messages,tokenize=False,add_generation_prompt=True)
    model_inputs = tokenizer([input_ids],return_tensors='pt').to('cuda')
    #模型生成输出id
    generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)
    generated_ids = [
        output_ids[len(input_ids):] for input_ids,output_ids in zip(model_inputs.input_ids,generated_ids)
    ]
    #将生成的id转换成文字
    response = tokenizer.batch_decode(generated_ids,skip_special_tokens=True)[0]

    st.session_state.messages.append({"role":"assistant","content":response})
	#在界面上显示输出
    st.chat_message("assistant").write(response)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57

由于qwen2模型并没有自带流式输出函数，会报错AttributeError: 'Qwen2Model' object has no attribute 'stream_chat'，后续改进考虑对其进行流式输出增强用户可读性

五、终端启动

在该文件目录下，终端输入

streamlit run your_file_name.py
1

之后就会进入web界面

六、调试

streamlit这样的web形式不能直接通过打断点进行debug，所以需要进行一些处理：

红框中进行下图配置，script框中的路径是你配置的模型环境中，streamlit所在的绝对路径；parameters框就是run your_file_name.py，这样处理后就是终端输入streamlit run your_file_name.py的效果，之后就能进行断点调试了

---

Reference

[1] qwen官方文档

[2] qwen2 webDemo部署

[3] streamlit断点调试