一键安装langchain-ChatGLM

框架已经更新，autodl策略也变了，请看最新文章：一键安装Langchain-chatchat

最近开源大模型层出不穷，非常火爆。好多小伙伴跃跃欲试，但是，大模型本地搭建，就算是只做推理也需要性能强悍的机器，更不要说微调和全参数训练，没有几十万的显卡投入是搞不定的。chatGLM推理可以在cpu上运行，但是不建议，速度很慢。6b模型建议12G显卡，最好16G以上（int4好像只要6G）。市面上，16G显存的显卡大概1w左右。24G大概1w5左右。如果不是专门做模型的人，不建议去购买，不过买来玩3A大作是挺好的，哈哈。算法小白建议租显卡，简单体验一下就行。市面上好多算力平台，大家可能对比一下价格，根据自身需要选择，我这里用的是autoDL。

一、注册

先去AutoDL-品质GPU租用平台-租GPU就上AutoDL 官网注册账号，然后实名认证，不然你无法用浏览器访问你的服务网址。

autodl相对比较便宜，按流量计费。28G显卡大概1.18元/小时，如果认证学生好像有免费时间，听说好多学生党用它做毕设。

二、选服务器

和其他云服务页面比较像，听说显卡需要抢（不建议社畜去抢，影响人家穷学生毕业就不好了），选择需要的型号，如果（）是0，就是没有了。

这里有个非常方便的功能，可以选择一些社区镜像，直接用，不用复杂的配置，很方便。也可以用基础镜像，默认安装了一些工具，也可以把自己安装好的服务做成镜像。

选好镜像以后，点击“立即创建”按钮就行了。

三、启动登录服务

启动完以后，就可以登录服务器了。根据自己的习惯选择链接方式，最简单是用它自带jupyterlab 网页版本，很方便上传下载文件。我习惯用secureCRT，复制ssh登录命令就行。

这里注意，secureCRT必须是8.0以上，不然不支持。

然后在终端执行三条命令，非常简单：（不懂什么意思的，查一下吧，很简单）

$cd /root/langchain-ChatGLM/

$conda activate /root/pyenv

$python webui.py

执行最后一条命令，看到下图的提示，就代表启动成功了！

最后，点击“自定义服务”，自动跳到浏览器，就可以在浏览器里体验自己安装的大模型了。

四、使用

1.可以直在右侧选择llm对话，这样就是训练好的模型，体验还不错。顺便调戏一下，哈哈。

2.还可以自建知识库问答，自己上传md、pdf、docx、txt。注意文件编码最好是utf-8，文件英文名，不然会处理不了。

自己上传了txt和pdf文档，体验了一下，效果一般，可能我给的文档质量不好，这方面功能还有待完善。

3.在页面上还可以选择模型来加载，有五种，但是一定要留出足够的硬盘空间，换模型，原模型数据不会删。

模型在推理的时候，特别是在知识库问答，有时候GPU的内存利用率会达到99%了，有时候会突然显存爆了，建议还是人工处理一下文档。

总结：

这篇文章只是简单安装，好多地方需要调研优化，感兴趣的可以去官网看看。官方每天都在更新代码，修改bug，不断完善。

一直认为训练费钱，没想到推理也不便宜，我没做压力测试，估计一台机器支持不了几个人并发用。

一些其它问题：

1.如何更新chatglm模型文件

/root/model/删除 chatglm-6b文件夹

/root/autodl-tmp/下面重新clone

成功之后复制到 /root/model下面

2.如何更新仓库代码（因为直接使用的镜像，代码比较老，有一些bug）

$cd /root/langchain-ChatGLM/

$rm -rf ~/.gitconfig

$git pull

删除冲突文件

再次执行git pull

更新虚拟环境依赖，注意必须切换到虚拟环境里

$conda activate /root/pyenv

$pip install -r requirements.txt

修改配置文件

修改web.py文件，这个端口是autodl启动服务里的端口

修改langchain-ChatGLM/configs/model_config.py文件里两个路径，服务器模型文件路径，如果不修改，启动web.py会重新下载模型文件，磁盘会爆炸。

重新启动web.py就可以了。

官方配置说明：

CodeWithGPU | 能复现才是好算法

模型官网：

GitHub - imClumsyPanda/langchain-ChatGLM: langchain-ChatGLM, local knowledge based ChatGLM with langchain ｜ 基于本地知识库的 ChatGLM 问答