GPU部署ChatGLM3_chatglm3是用cpu来运行

 首先，检查一下自己的电脑有没有CUDA环境，没有的话，去安装一个。我的电脑是4060显卡，买回来就自带这些环境了。没有显卡的话，也不要紧，这个懒人安装包支持CPU运行，会自动识别没有GPU，就会以CPU运行，但是非常慢，毫无意义。

------------------------------------------------------懒人一键启动 start-----------------------------------------------------------------------------------------

1、下载一键安装包，解压后放到一个不带中文和特殊字符的路径

链接：https://pan.baidu.com/s/1ishHMyGpUkVjPVQk1GBGGA 
提取码：Zh6L 

 2、直接运行脚本，就能启动成功了

3、到这里，可以不用往下看了。

但是，作为一名java程序员，怎能不使用docker部署一个。下面，是docker方式部署。

 ---------------------------------------------------------懒人一键启动end----------------------------------------------------------------------------------------------

--------------------------------------------------------docker容器启动 start----------------------------------------------------------------------------------------------

拉取镜像

拉取一个Nvidia官方docker镜像，免去在容器中手动安装cuda、cudnn的烦恼。

docker pull nvcr.io/nvidia/pytorch:23.05-py3

运行容器

docker run --gpus all -itd --name chatglm3 -p 81:80 -p 6006:6006 -p 8888:8888 -p 7860:7860  -p 8501:8501 -p 8000:8000 --shm-size=32gb -v D:\temp\GLM3:/data nvcr.io/nvidia/pytorch:23.05-py3

如果没有GPU,就把 --gpus all 参数去掉，--shm-size=32gb是计算机的内存，我的是32G。

D:\temp\ChatGLM3 是挂载目录，就是刚刚下载解压的安装包目录，改成你自己的目录就行。

进入容器内部

docker exec -it chatglm3 /bin/bash

进入data目录

cd /data

安装依赖

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

pip config set install.trusted-host mirrors.aliyun.com

pip install -r requirements.txt

 进入目录

cd openai_api_demo/

 下载依赖

pip install -r requirements.txt

返回上一层目录，进入ChatGLM3目录，执行启动脚本

cd ChatGLM3

nohup sh 02startApi.sh &

 02startApi.sh脚本内容为：

#!/bin/bash
 
 
export HF_ENDPOINT=https://hf-mirror.com
export HF_HOME=../huggingface
export MODEL_PATH=../../models/THUDM_chatglm3-6b
 
cd openai_api_demo
 
python openai_api.py

 如果运行报错，就用idea或者其他工具，转换一下格式，转成linux格式。（鼠标选中文件，就有这个选项了）

 不出意外的话，就启动成功了，使用postman等接口调用工具就可以调用接口了。

这是我的java调用代码

private static void chatglm3() {
        Map<String, Object> params = new HashMap<>();
        params.put("model", "chatglm3-6b");
 
        List<Map<String, Object>> messages = new ArrayList<>();
        Map<String, Object> prompt = new HashMap<>();
        prompt.put("role", "user");
        prompt.put("content", "给我讲一个笑话");
        messages.add(prompt);
 
        params.put("messages", messages);
        params.put("stream", false);
        params.put("max_tokens", 100);
//        params.put("temperature", 0.8);
//        params.put("top_p", 0.8);
 
        String url = "http://127.0.0.1:8000/v1/chat/completions";
 
        String result = post(url, JSONUtil.toJsonStr(params), new HashMap<>());
        System.out.println(result);
}

----------------------------------------------------------docker 容器启动end------------------------------------------------------------------------

接下来，记录一下，将容器导出成镜像，并且把模型文件和代码文件一起打包到镜像中，方便以后在别的服务器上一键部署。

导出镜像命令：

docker commit [CONTAINER_ID_OR_NAME] [REPOSITORY_NAME]:[TAG]

• [CONTAINER_ID_OR_NAME]是您的容器ID或名称。

• [REPOSITORY_NAME]是您想要给新镜像起的名字。

• [TAG]是镜像的标签，通常用于区分同一个镜像的不同版本，默认为latest。

最终命令是：

docker commit chatglm3 chatglm3-cwp:v1.0.1

在懒人安装包解压目录下创建一个Dockerfile文件，文件内容为：

FROM chatglm3-cwp:v1.0.1
 
MAINTAINER cwp
 
COPY ChatGLM3 /data
COPY models /data
 
ENV TZ=Asia/Shanghai
 
EXPOSE 81
EXPOSE 8000
EXPOSE 7860
EXPOSE 8501
EXPOSE 8888
EXPOSE 6006

构建镜像

docker build -t chatglm3-gpu:1.0 .

 将镜像推送到自己的阿里云镜像仓库

阿里云镜像仓库访问地址 https://cr.console.aliyun.com/cn-hangzhou/instances

可以新建一个镜像仓库 

 

 跟着操作指南一步步做，最后推送到镜像仓库。

 以后就可以拉取自己的阿里云镜像，运行容器，一键启动ChatGLM3。参照下一篇文章，轻轻松松搭建自己的GPT了。

docker一键部署GPU版ChatGLM3-CSDN博客