云服务器部署开源ChatGLM-6B，让你也能拥有自己的ChatGPT_chatglm 镜像框架

一、背景

最近GPT不仅发布了GPT-4，而且解除封印可以联网了。不得不赞叹AI更新迭代的速度真快，都跟不上节奏了。但是大家也注意到了吧，随着GPT的每次更新，OpenAI对其开放使用的限制也越来越大。之前国内网随便访问GPT3，现在动不动就封号

所以，今天就来教大家部署国内清华大学开源的ChatGLM-6B。简单介绍下，ChatGLM是对话语言模型，对中文问答和对话进行了优化。当前训练模型有62亿参数，后续还会推出1300亿参数的大模型，期待国内的ChatGLM能越做越强大。

ChatGLM的开源地址： THUDM/ChatGLM-6B

废话不多说了，直接上效果，以下是由ChatGLM中文对话的结果
（文末给大家准备了ChatGLM的免费体验地址 和 算力平台免费体验方式，一定看到文章结尾哦）

二、服务器选型

2.1. 运行要求

硬件需求

2.2. 服务器选型

官方说明ChatGLM对硬件的配置要求至少13G的显存

要准备的东西如下：

一台GPU云服务器（16GB显存，32G内存）
云服务器上已安装好显卡驱动cuda和pytorch框架（平台都有现成的镜像，直接安装即可）
再来说说服务器厂商的选择，GPU服务器比较贵，所以小卷对比了一些大厂和小厂的GPU规格，这里只看配置符合要求且价钱合适的

我们这里使用揽睿星舟这个算力平台的服务器，价钱就是优势哦。需要注意的是，GPU服务器要选按量计费，就是你用的时候按使用时长计费，不用时关掉就不会计费

三、服务器配置

这一步购买服务器并安装环境，比较简单

3.1. 注册使用

3.2. 购买服务器并安装镜像

在网站的算力市场购买需要的服务器配置，这里我选的是3090-24G这款，点击使用按钮进入镜像安装界面

运行环境镜像选公共镜像 -> pytorch 直接用最新的就行，然后高级设置里选择预训练模型chatglm-6b（这样会预先加载chatGLM的模型到服务器，无需再手动下载）然后创建实例（确保自己账号里有足够的余额）

等待5分钟左右，工作空间就创建好了，点击 进入-> JupyterLab进入服务器，接下来就准备ChatGLM的安装就行了

四、部署ChatGLM

4.1. Git加速配置

为了避免git clone太慢，提前在命令行设置git学术资源加速

#  执行下面2条命令，设置git学术资源加速
git config --global http.proxy socks5h://172.16.16.39:8443
git config --global https.proxy socks5h://172.16.16.39:8443
1
2
3

后面的步骤中再执行git clone命令就不会卡住了。

要取消git学术加速也简单，执行下面的命令（所有步骤执行完后再取消哦~）

#取消git学术资源加速
git config --global --unset https.proxy
git config --global --unset http.proxy
1
2
3

4.2. 下载ChatGLM源代码

进入Jupyter的页面后，可以看到2个目录，对目录做下说明：

• data目录，存放数据，平台共享的
• imported_models目录，存放预训练模型，即创建工作空间时你选择的模型

点击data目录下，可以看到ChatGLM-6B文件夹，里面是ChatGLM的源代码。

如果没有ChatGLM-6B目录，那么我们这一步需要下载代码，操作如下：

页面打开一个Terminal终端，在Terminal终端执行命令

git clone https://github.com/THUDM/ChatGLM-6B.git
1

4.3. 安装依赖

• 1.执行命令切换到ChatGLM-6B的目录

cd ChatGLM-6B
1

• 2.接着修改requirements.txt文件，把后续所有需要的依赖都加上，下面的配置加在文件末尾即可，如果文件里已加上这3个依赖，无需再修改。

chardet
streamlit
streamlit-chat
1
2
3

• 3.加完之后save保存下文件，如图

• 4.接着命令行执行下面命令安装依赖

#使用默认镜像源下载会超时，这里用了清华的pip镜像源地址

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
1

这一步可能会执行报错

.ERROR: Could not install packages due to an OSError: Missing dependencies for SOCKS support

解决方法：切换到root用户后再执行命令

# 切换root用户
sudo su

# 重新执行
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
1
2
3
4
5

4.4. 启动脚本修改

因为模型是单独文件夹存储的，所以需要修改启动脚本中读模型文件的代码
为了能从公网访问我们的ChatGLM，需要修改监听地址为0.0.0.0，端口为27777，这个是揽睿星舟平台的调试地址
修改步骤：

• 1.修改web_demo2.py文件中的模型路径，替换为模型的绝对路径，修改方法如下：

修改前的代码

tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
    model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
1
2

修改后的代码

tokenizer = AutoTokenizer.from_pretrained("/home/user/imported_models/chatglm-6b", trust_remote_code=True)
    model = AutoModel.from_pretrained("/home/user/imported_models/chatglm-6b", trust_remote_code=True).half().cuda()
1
2

修改完后ctrl + s保存一下

4.5. 启动ChatGLM

在ChatGLM-6B目录下，命令行执行

python3 -m streamlit run ./web_demo2.py --server.port 27777 --server.address 0.0.0.0
1

启动ChatGLM的webui界面

看到http://0.0.0.0:27777字样说明成功启动了

五、使用

我们需要从浏览器访问刚部署的服务，回到揽睿星舟平台

在工作空间页面上点击自定义服务拷贝调试链接，然后把拷贝的链接在浏览器上打开

然后你就可以在这个页面开始对话了

注意第一次对话时，程序会加载模型文件，耗时会比较长，可以从刚才启动的命令行查看加载进度。

等第一次加载完成后，后面再对话，响应就很快了

六、对话效果

到这一步，所有安装部署过程就成功完成了，我们来看看效果吧，拷贝的链接在手机端也能打开，下面是手机端的效果

七、关闭服务以及重启服务

因为我们的服务按使用量收费的，所以不用时在页面上点击停止运行即可

然后想重新运行服务的时候，点工作空间页面上的启动按钮。工作空间重新创建后，进入红色Jupyter，通过命令行再次启动

# 进入ChatGLM-6B目录
cd data/ChatGLM-6B/

# 没挂系统盘时，要重新安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
 
# 启动服务
python3 -m streamlit run ./web_demo2.py --server.port 27777 --server.address 0.0.0.0
1
2
3
4
5
6
7
8