prompt设计之调用qwem,internlm,chatglm等模型代码方法（启智平台）_qwen prompt

实现效果和模型相关介绍

**通义千问-7B（Qwen-7B）**是阿里云研发的通义千问大模型系列的70亿参数规模的模型。Qwen-7B是基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。

本文旨在通过启智平台完成大模型的调用，由于本地环境受限无法运行成功，可以利用启智社区平台白嫖GPU算力，实现效果代码，代码由github官方文档获得：

参考链接：github官方文档

from transformers import AutoModelForCausalLM, AutoTokenizer
from transformers.generation import GenerationConfig

# 可选的模型包括: "Qwen/Qwen-7B", "Qwen/Qwen-14B"
tokenizer = AutoTokenizer.from_pretrained("/code/qwen", trust_remote_code=True)

# 打开bf16精度，A100、H100、RTX3060、RTX3070等显卡建议启用以节省显存
# model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen-7B", device_map="auto", trust_remote_code=True, bf16=True).eval()
# 打开fp16精度，V100、P100、T4等显卡建议启用以节省显存
# model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen-7B", device_map="auto", trust_remote_code=True, fp16=True).eval()
# 使用CPU进行推理，需要约32GB内存
# model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen-7B", device_map="cpu", trust_remote_code=True).eval()
# 默认使用自动模式，根据设备自动选择精度
model = AutoModelForCausalLM.from_pretrained("/code/qwen", device_map="auto", trust_remote_code=True).eval()

# 可指定不同的生成长度、top_p等相关超参
model.generation_config = GenerationConfig.from_pretrained("/code/qwen", trust_remote_code=True)

inputs = tokenizer('蒙古国的首都是乌兰巴托（Ulaanbaatar）\n冰岛的首都是雷克雅未克（Reykjavik）\n埃塞俄比亚的首都是', return_tensors='pt')
inputs = inputs.to(model.device)
pred = model.generate(**inputs)
print(tokenizer.decode(pred.cpu()[0], skip_special_tokens=True))
# 蒙古国的首都是乌兰巴托（Ulaanbaatar）\n冰岛的首都是雷克雅未克（Reykjavik）\n埃塞俄比亚的首都是亚的斯亚贝巴（Addis Ababa）...
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

实现效果如下：

可以看出执行代码之后，输出会根据问题继续续写

在启智社区创建调试任务

登入启智社区AI创作平台

进入启智社区，社区网址如下：OpenI 启智 新一代人工智能开源开放平台，

找到ai创作平台，点击进入AI协作平台，首次登陆需要注册一下。

新建项目

在启智平台右上角找到创建项目

输入项目名称后完成创建

# 新建调试任务

打开新创建的项目，我这里项目名称为11111，点击云脑

在界面里面找到新建调试任务

基本设置如下，镜像我这里选择的是192.168.242.22:443/default-workspace/fccb038c23234b9e80105d4ccd152117/image:fedjudge

点击新建调试任务就能创建，一开始需要点击红色部分，等待状态变成running就可以进入界面了

实现代码

这是点击调试之后进入的界面，界面左侧此时只有一个文件master.zip，记住左边可以显示的文件目录在code下

进入终端输入如下命令

bash

cd code

wget -O qwen7b.zip 'https://s3.openi.org.cn/opendata/attachment/d/6/d6258166-a72b-46d3-8291-0ce2f94a8f86?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=1fa9e58b6899afd26dd3%2F20231025%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Date=20231025T124132Z&X-Amz-Expires=86400&X-Amz-SignedHeaders=host&response-content-disposition=attachment%3B%20filename%3D%22Qwen-7B.zip%22&X-Amz-Signature=bedeb772c26057ba98b4268b14ddba49622940ed6c6c381e3e80d719affe98bc'
unzip -d qwen7b qwen7b.zip
1
2
3
4
5
6

模型我这里选择的是qwen7b模型，其他大模型类似，模型网址https://openi.pcl.ac.cn/Learning-Develop-Union/LangChain-ChatGLM-Webui/datasets，模型界面如下：

安心等待片刻，等左边出现文件qwen7b和qwen7b.zip说明下载解压成功

新建一个测试文件，接着打开终端输入如下指令：

bash

cd code

touch text.py
1
2
3
4
5

将代码复制到文件中，注意文件的路径为刚刚创建的路径

然后输入代码python text.py执行文件， 如果遇到报错，输入下面代码

pip install transformers_stream_generator
1

输入代码后在执行python text.py之后就能实现模型的调用了