【InternLM实战营---第五节课作业】

一、学习笔记

https://blog.csdn.net/weixin_45609124/article/details/138047939
1

二、基础作业

• 配置 LMDeploy 运行环境并运行对话
  目标是使用LMDeploy运行InternLM2-Chat-1.8B 模型，并通过命令行进行对话，8G显存就可以了。有点复杂，但是跟着老师的教程走，应该是没有问题的。我这边简单记录下，非InternStudio平台的操作步骤。

  1. LMDeploy 环境准备

     #创建一个名为lmdeploy的conda环境，python版本为3.10
     conda create -n lmdeploy -y python=3.10
     
     #激活刚刚创建的虚拟环境
     conda activate lmdeploy
     
     #安装0.3.0版本的lmdeploy
     pip install lmdeploy[all]==0.3.0
     1
     2
     3
     4
     5
     6
     7
     8

  2. 模型下载
     可以参考我第三节课的作业，传送门

  3. Transformer库运行模型
     不是本节课的重点，但是可以和 LMDeploy 的推理速度进行对比，起到一个衬托作用
     创建python脚本

     import torch
     from transformers import AutoTokenizer, AutoModelForCausalLM
     
     tokenizer = AutoTokenizer.from_pretrained("/root/internlm2-chat-1_8b", trust_remote_code=True)
     
     # Set `torch_dtype=torch.float16` to load model in float16, otherwise it will be loaded as float32 and cause OOM Error.
     model = AutoModelForCausalLM.from_pretrained("/root/internlm2-chat-1_8b", torch_dtype=torch.float16, trust_remote_code=True).cuda()
     model = model.eval()
     
     inp = "hello"
     print("[INPUT]", inp)
     response, history = model.chat(tokenizer, inp, history=[])
     print("[OUTPUT]", response)
     
     inp = "please provide three suggestions about time management"
     print("[INPUT]", inp)
     response, history = model.chat(tokenizer, inp, history=history)
     print("[OUTPUT]", response)
     
     1
     2
     3
     4
     5
     6
     7
     8
     9
     10
     11
     12
     13
     14
     15
     16
     17
     18
     19

     激活环境

     conda activate lmdeploy
     1

     运行python代码

     python /aaa/bbbb_transformer.py
     1

  4. 使用LMDeploy与模型对话

     #首先激活创建好的conda环境
     conda activate lmdeploy
     
     #使用LMDeploy与模型进行对话的通用命令格式为.
     lmdeploy chat [HF格式模型路径/TurboMind格式模型路径]
     1
     2
     3
     4
     5

  5. 作业记录截图
     环境准备
     
     成功运行
     
     
     虽然有点答非所问，但推理速度真的很快

三、进阶作业

• 设置KV Cache最大占用比例为0.4，开启W4A16量化，以命令行方式与模型对话
  先进行模型量化

  lmdeploy lite auto_awq \
     /root/internlm2-chat-1_8b \
    --calib-dataset 'ptb' \
    --calib-samples 128 \
    --calib-seqlen 1024 \
    --w-bits 4 \
    --w-group-size 128 \
    --work-dir /root/internlm2-chat-1_8b-4bit
  1
  2
  3
  4
  5
  6
  7
  8

  
  启动模型并进行对话
  

• 以API Server方式启动 lmdeploy，开启 W4A16量化，调整KV Cache的占用比例为0.4，分别使用命令行客户端与Gradio网页客户端与模型对话
  api服务启动
  
  命令行客户端对话
  
  网页客户端对话

  lmdeploy serve gradio http://localhost:23333 \
      --server-name 0.0.0.0 \
      --server-port 6006
  1
  2
  3

  

• 使用W4A16量化，调整KV Cache的占用比例为0.4，使用Python代码集成的方式运行internlm2-chat-1.8b模型
  python脚本准备
  
  运行效果
  

• 使用 LMDeploy 运行视觉多模态大模型 llava gradio demo
  安装llava依赖库

  pip install git+https://github.com/haotian-liu/LLaVA.git@4e2277a060da264c4f21b364c867cc622c945874
  1

  准备脚本文件

  import gradio as gr
  from lmdeploy import pipeline, TurbomindEngineConfig
  
  
  backend_config = TurbomindEngineConfig(session_len=8192) # 图片分辨率较高时请调高session_len
  # pipe = pipeline('liuhaotian/llava-v1.6-vicuna-7b', backend_config=backend_config) 非开发机运行此命令
  pipe = pipeline('/share/new_models/liuhaotian/llava-v1.6-vicuna-7b', backend_config=backend_config)
  
  def model(image, text):
      if image is None:
          return [(text, "请上传一张图片。")]
      else:
          response = pipe((text, image)).text
          return [(text, response)]
  
  demo = gr.Interface(fn=model, inputs=[gr.Image(type="pil"), gr.Textbox()], outputs=gr.Chatbot())
  demo.launch()   
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17

  
  运行脚本

  python /root/gradio_llava.py
  1

运行效果


效果还行，要是对中文支持也不错的话就好啦

• 将 LMDeploy Web Demo 部署到 OpenXLab
  先不做了，没有资源