admin 管理员组文章数量: 887019
转自生信技能树
大家好，最近两年大语言模型风靡全球，最近，不少开源大模型，将模型部署到自己的电脑上，用个性化的数据微调想必是不少人的愿望，这次，让我来分享从hugging face上下载部署chatglm3-6b中的经验。
1.硬件准备
具体参考这条帖子: https://zhuanlan.zhihu/p/655948272
结论：一般RTX 3060 6GB显卡是最小模型的门槛
补充“7B”指的是7亿参数。大语言模型参数量是指模型中可调整的参数的数量，通常用来衡量模型的大小和复杂程度，一般参数量越大的模型性能越强。商业化的模型一般在10B-100B之间，chatgpt4 13.3B。
我的配置：（查看方法：联想电脑管家，鲁大师）
很勉强，为了照顾显卡不行的小伙伴，这个帖子先用CPU进行部署
2.运算环境准备
2.1 安装anaconda
什么？你还不知道anaconda是啥？Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
网上已经有很多下载安装教程，比如：https://blog.csdn/ABV09876543210/article/details/101194476
https://zhuanlan.zhihu/p/647523947
备注：现在最好python版本安装到3.8或者3.9，版本过低后面安装库的时候库的版本会过低。
我的报错解析：
-
如果你已经安装，但在cmd使用conda 却报没有此命令，可以看看是不是没加入你的环境变量
如何配置环境变量？Win11方法在此: https://blog.csdn/weixin_46483785/article/details/131163456
2.2 配置软件环境
用conda create -n env python==3.8 命令创建名为“env”的新虚拟环境，用activate env或者conda activate env进入新建的虚拟环境（前面会出现新环境的名字）
并在新虚拟环境中使用conda下载（下载方法在刚刚conda教程中有）transformers>=4.38.2（为啥是这个或者以上的版本？后面会考！），tensorflow和pytorch。Pytorch安装比较麻烦，分为CPU版本和GPU版，具体教程看这里：https://www.jb51/python/302744e4p.htm
我是使用这个命令安装CPU版的 #安装pytorch conda install pytorch torchvision torchaudio cpuonly -c pytorch。使用conda list可以看见所有下载了的库：
然后虚拟环境导入到jupyter中（这时要保证自己在新的环境中！） https://blog.csdn/m0_56075892/article/details/130005168 首先要确保环境中有ipykernel ipython 库，没有的话进行安装
# 安装ipykernel ipython
pip install ipykernel ipython
# 查看jupyter下面有多少个kernels
jupyter kernelspec list
ipython kernel install --user --name pytorch1.6(虚拟环境名字)
最后，进入jupyter notebook,将kernel 调整成对应的虚拟环境将验证安装好了的包
新建一个notebook文档，然后输入 import torch import transformers 如果没有报错说明你已经安装好了。
3.下载大模型：
Hugging face官网是要科学上网滴：https://huggingface.co/ 在网站上chatglm3的官方下载方式是：from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True) model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True).half().cuda()
按照它的代码输入，你就会报这个错：
意思是：被墙了
这咋办？解决方法：国内镜像！https://hf-mirror/ https://aliendao/#/ #我用的是这个
将所有文件下载到本地后，新建文件夹，命名，在本地加载 https://hf-mirror/
https://aliendao/#/
例如，我将其放在这个文件夹下：
然后通过cd函数将工作路径调整到models文件夹后，就可以导入模型了：
from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True) model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True).half() model = model.eval()
response, history = model.chat(tokenizer, "你好", history=[]) print(response) 出现这样一句话说明你成功啦！你好!我是人工智能助手 ChatGLM-6B,很高兴见到你,欢迎问我任何问题。
如果报错：DLL load failed while importing _imaging: 找不到指定的模块的解决方法 是你安装的库的版本有问题，解决方法可以详见这个帖子：https://blog.csdn/qq_45510888/article/details/121446878
4.更简单,更快的部署方法：
一键下载安装！一键本地部署！
教程：https://zhuanlan.zhihu/p/672400265
支持以下模型，缺点：没有中文模型！：
这期到这里结束了，读到这里你也发现，这个不是一个纯粹的原创帖，更多是前人经验的总结归纳和我在走前人教程中遇到的问题，希望对大家有帮助。
版权声明：本文标题：小白windows系统从零开始本地部署大模型全记录 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1727331244h1103058.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论