书生·浦语(InternLM)-openLesson-2

书生·浦语(InternLM)-openLesson-2

“倘若你想征服世界，你就得征服你自己。” -> 陀思妥耶夫斯基

使用书生·浦语完成LLM的(“Hello World”)

 开源大语言模型课程笔记/Lesson2-Bg-Pic-1.webp)
大模型的定义是非常简单的，即“人工智能领域中参数数量巨大、拥有庞大计算能力和参数规模的模型。”其特点及应用分为三个主体：

1. 利用大量数据进行训练
2. 拥有数十亿甚至数千亿个参数
3. 模型在各种任务中展现出惊人的性能 <- 个人认为这句话实际上不太合适,多数情况下大语言模型能表现出强大的泛化能力，但不一定是针对某个特定任务的专业能力，这是与专用模型相区别的

 开源大语言模型课程笔记/Lesson2-Bg-Pic-2.webp)

InternLM-Chat-7B 智能对话 Demo

 开源大语言模型课程笔记/Lesson2-Bg-Pic-3.webp)

基础目标：

• 使用 InternLM-Chat-7B 模型生成 300 字的小故事
• 熟悉 hugging face 下载功能，使用 huggingface_hub python 包，下载 InternLM-20B 的 config.json 文件到本地

InternLM-Chat-7B 模型 && 小故事

(1) 环境准备

在 InternStudio 平台中选择 A100(1/4) 的配置，如下图所示镜像选择 Cuda11.7-conda，如下图所示：

 开源大语言模型课程笔记/Lesson2-Bg-Pic-4.webp)

进入 conda 环境之后，使用以下命令从本地克隆一个已有的 pytorch 2.0.1 的环境

bash # 请每次使用 jupyter lab 打开终端时务必先执行 bash 命令进入 bash 中
conda create --name internlm-demo --clone=/root/share/conda_envs/internlm-base
​

然后使用以下命令激活环境

conda activate internlm-demo
​

并在环境中安装运行 demo 所需要的依赖。

python -m pip install --upgrade pip

pip install modelscope==1.9.5
pip install transformers==4.35.2
pip install streamlit==1.24.0
pip install sentencepiece==0.1.99
pip install accelerate==0.24.1
​

(2) 模型下载

InternStudio 平台的 share 目录下已经为我们准备了全系列的 InternLM 模型，所以我们可以直接复制即可。使用如下命令复制：

mkdir -p /root/model/Shanghai_AI_Laboratory
cp -r /root/share/temp/model_repos/internlm-chat-7b /root/model/Shanghai_AI_Laboratory
​

也可以使用比较通用的方法(推荐)：在 /root 路径下新建目录 model，在目录下新建 download.py 文件并在其中输入以下内容，粘贴代码后记得保存文件，如下图所示。并运行 python /root/model/download.py 执行下载，模型大小为 14 GB，下载模型大概需要 10~20 分钟，具体代码如下：

import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm-chat-7b', cache_dir='/root/model', revision='v1.0.3')
​

(3) 代码准备

首先 clone 代码，在 /root 路径下新建 code 目录，然后切换路径, clone 代码。

cd /root/code
git clone https://gitee.com/internlm/InternLM.git
​

切换 commit 版本，与教程 commit 版本保持一致，可以让大家更好的复现。

cd InternLM
git checkout 3028f07cb79e5b1d7342f4ad8d11efad3fd13d17
​

(4) Terminal Demo

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM


model_name_or_path = "/root/model/Shanghai_AI_Laboratory/internlm-chat-7b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='auto')
model = model.eval()

system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""

messages = [(system_prompt, '')]

print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")

while True:
    input_text = input("User  >>> ")
    input_text = input_text.replace(' ', '')
    if input_text == "exit":
        break
    response, history = model.chat(tokenizer, input_text, history=messages)
    messages.append((input_text, response))
    print(f"robot >>> {response}")
​

(5) Web Demo

运行 /root/code/InternLM 目录下的 web_demo.py 文件，输入以下命令后，配置本地端口，将端口映射到本地。在本地浏览器输入 http://127.0.0.1 即可。

bash
conda activate internlm-demo  
# 首次进入 vscode 会默认是 base 环境，所以首先切换环境
cd /root/code/InternLM
streamlit run web_demo.py --server.address 127.0.0.1 --server.port 6006
​

(6) 目标效果呈现 - 故事编写

 开源大语言模型课程笔记/Lesson2-Bg-Pic-5.webp)

关于 hugging face 的相关使用方法

(1) Hugging Face

使用 Hugging Face 官方提供的 huggingface-cli 命令行工具。安装依赖:

pip install -U huggingface_hub
​

然后新建 python 文件，填入以下代码，运行即可。

• resume-download：断点续下
• local-dir：本地存储路径。（linux 环境下需要填写绝对路径）

import os
# 下载模型
os.system('huggingface-cli download --resume-download internlm/internlm-chat-7b --local-dir your_path')
​

以下内容将展示使用 huggingface_hub 下载模型中的部分文件

import os 
from huggingface_hub import hf_hub_download  # Load model directly 

hf_hub_download(repo_id="internlm/internlm-7b", filename="config.json")
​

(2) ModelScope

使用 modelscope 中的 snapshot_download 函数下载模型，第一个参数为模型名称，参数 cache_dir 为模型的下载路径。(注意：cache_dir 最好为绝对路径)

安装依赖：

pip install modelscope==1.9.5
pip install transformers==4.35.2
​

在当前目录下新建 python 文件，填入以下代码，运行即可。

import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm-chat-7b', cache_dir='your path', revision='master')
​

(3) 目标效果呈现 - 下载相关模型

 开源大语言模型课程笔记/Lesson2-Bg-Pic-6.webp)

 开源大语言模型课程笔记/Lesson2-Bg-Pic-7.webp)

至此，基础任务已经完成

Lagent 智能体工具调用 Demo

 开源大语言模型课程笔记/Lesson2-Bg-Pic-8.webp)

Lagent 安装

首先切换路径到 /root/code 克隆 lagent 仓库，并通过 "pip install -e ." 源码安装 Lagent

cd /root/code
git clone https://gitee.com/internlm/lagent.git
cd /root/code/lagent
git checkout 511b03889010c4811b1701abb153e02b8e94fb5e 
# 尽量保证和教程commit版本一致
pip install -e . # 源码安装
​

 开源大语言模型课程笔记/Lesson2-Bg-Pic-9.webp)

**我们可以参考同样的方法，切换到 VScode 页面，运行成功后，配置本地端口，将端口映射到本地。在本地浏览器输入 http://127.0.0.1 即可。

streamlit run /root/code/lagent/examples/react_web_demo.py --server.address 127.0.0.1 --server.port 6006
​

Demo 运行效果

 开源大语言模型课程笔记/Lesson2-Bg-Pic-10.webp)

浦语·灵笔图文理解创作 Demo

环境准备

进入 conda 环境之后，使用以下命令从本地克隆一个已有的 pytorch 2.0.1 的环境

/root/share/install_conda_env_internlm_base.sh xcomposer-demo
​

 开源大语言模型课程笔记/Lesson2-Bg-Pic-11.webp)

然后使用以下命令激活环境

conda activate xcomposer-demo
​

接下来运行以下命令，安装 transformers、gradio 等依赖包。

pip install transformers==4.33.1 timm==0.4.12 sentencepiece==0.1.99 gradio==3.44.4 markdown2==2.4.10 xlsxwriter==3.1.2 einops accelerate
​

模型下载

安装 modelscope

pip install modelscope==1.9.5
​

 开源大语言模型课程笔记/Lesson2-Bg-Pic-12.webp)

在 /root/model 路径下新建 download.py 文件并在其中输入以下内容，并运行 python /root/model/download.py 执行下载

import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm-xcomposer-7b', cache_dir='/root/model', revision='master')
​

代码准备

在 /root/code git clone InternLM-XComposer 仓库的代码

cd /root/code
git clone https://gitee.com/internlm/InternLM-XComposer.git
cd /root/code/InternLM-XComposer
git checkout 3e8c79051a1356b9c388a6447867355c0634932d  
# 最好保证和教程的 commit 版本一致
​

Demo 运行效果

 开源大语言模型课程笔记/Lesson2-Bg-Pic-13.webp)

• 只使用推理，(1/2) A100 都很勉强

链接

视频：轻松玩转书生·浦语大模型趣味Demo