【chatglm2】使用Python在CPU环境中运行 chatglm _模型

1，项目地址
这个项目和llama.cpp 项目类似，使用C++ 去运行模型的。
项目使用了 ggml 这个核心模块，去运行的。
可以支持在 cpu 上面跑模型。
-6B 是开源中英双语对话模型 -6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，-6B 引入了如下新特性：
更强大的性能：基于初代模型的开发经验，我们全面升级了 -6B 的基座模型。-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型， -6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%）、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
更长的上下文：基于技术，我们将基座模型的上下文长度（）由 -6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 -6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
更高效的推理：基于 Multi-Query技术，-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K 。
2 ，准备环境，使用的进行安装
下载代码：
git clone --recursive https://github.com/li-plus/chatglm.cpp.git
要是超时可以分开下载：
git clonehttps://github.com/li-plus/chatglm.cpp.gitcd chatglm.cpp/third_partygit clone https://github.com/ggerganov/ggml.gitgit clone https://github.com/pybind/pybind11.gitgit clone https://github.com/google/sentencepiece.git
要是网络不好可以这样下载，速度也快：
git clonehttps://ghproxy.com/https://github.com/li-plus/chatglm.cpp.gitcd chatglm.cpp/third_partygit clone https://ghproxy.com/https://github.com/ggerganov/ggml.gitgit clone https://ghproxy.com/https://github.com/pybind/pybind11.gitgit clone https://ghproxy.com/https://github.com/google/sentencepiece.git
然后运行并配置的源：
docker run -itd --name python -p 8000:8000 -p 7860:7860 -v `pwd`/chatglm.cpp:/data python:slim-bullseyedocker exec -it python bashpip config set global.index-url https://mirrors.aliyun.com/pypi/simple/pip config set install.trusted-host mirrors.aliyun.com/pypi/simple/echo "deb https://mirrors.aliyun.com/debian/ bullseye main contrib non-free" > /etc/apt/sources.list && \echo "deb https://mirrors.aliyun.com/debian/ bullseye-updates main contrib non-free" >> /etc/apt/sources.list && \echo "deb https://mirrors.aliyun.com/debian/ bullseye-backports main contrib non-free" >> /etc/apt/sources.list && \echo "deb https://mirrors.aliyun.com/debian-security/ bullseye-security main" >> /etc/apt/sources.list
3，安装依赖包，使用特殊命令安装的cpu版本
只安装 cpu 版本的，可以减少镜像大小。
特别注意.0 只支持 3.10 的最低版本，其他版本安装不上。
apt-get update && apt-get -y install g++ cmake# 只是安装 cpu 的版本：pip3 install torch==2.0.1+cpu torchvision==0.15.2+cpu torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cpupip3 install uvicorn fastapi==0.92.0 sse_starlette chatglm-cpp tabulate tqdm gradio transformers==4.30.2
4，进行模型转换，把-6b模型转换下
需要下载模型，安装git-lfs 把模型下载即可
cd /dataapt-get install git-lfs# 下载模型git clone https://huggingface.co/THUDM/chatglm2-6b-int4# 然后就可以转换模型了，chatglm2-6b-int4 是下载的模型文件夹python3 convert.py -i chatglm2-6b-int4 -t q4_0 -o chatglm2-ggml.bin# 稍等下，如果没有报错信息，说明转换成功。会有个chatglm2-ggml.bin 文件3.3Gchatglm-ggml.bin # 说明转换成了。
-6B ，各种尺寸的模型，需要消耗的资源：
ms/token (CPU @8260)
64
71
79
83
106

文章插图
189
372
ms/token (CUDA @ V100 SXM2)
9.7
9.4
10.3
10.2
14.0
19.1
33.0
ms/token (MPS @ M2 Ultra)
11.0
11.7
N/A
N/A
N/A
32.1
N/A
file size
3.3GB
3.7GB
4.0GB
4.4GB
6.2GB
12GB
24GB
mem usage
3.4GB
3.8GB
4.1GB
4.5GB
6.2GB
12GB
23GB
5 ，启动web demo 界面，启动api 接口
需要修改下 .py 的最后一行：
因为是做端口映射，需要把 IP 修改成 0.0.0.0 本机就可以访问了。
demo.queue().launch(share=False, inbrowser=True,server_name="0.0.0.0", server_port=7860)

cd /data/examplespython3 web_demo.py Running on local URL:http://0.0.0.0:7860To create a public link, set `share=True` in `launch()`.

如果没有报错，说明启动成功了，端口是7860 ，直接通过web访问即可。
启动 api 接口：

python3 api_demo.py INFO:Started server process [5843]INFO:Waiting for application startup.INFO:Application startup complete.INFO:Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)

执行命令测试接口，和的接口是一样的。
curl http://127.0.0.1:8000/v1/completions -H 'Content-Type: application/json' -d '{"prompt": "你好"}'

{"object":"text_completion","response":"你好！我是人工智能助手 ChatGLM2-6B，很高兴见到你，欢迎问我任何问题 。","model":"chatglm2-6b","choices":[{"text":"你好！我是人工智能助手 ChatGLM2-6B，很高兴见到你，欢迎问我任何问题 。","index":0,"finish_reason":"stop"}],"usage":{}}

6，使用把镜像的运行打包，在CPU下运行环境搭建

# 构建 python # FROM python:slim-bullseye 使用最新的slim 版本 。# docker build . -t chatglm.cpp:latestFROM python:slim-bullseye as builderRUN echo "deb https://mirrors.aliyun.com/debian/ bullseye main contrib non-free" > /etc/apt/sources.list && \echo "deb https://mirrors.aliyun.com/debian/ bullseye-updates main contrib non-free" >> /etc/apt/sources.list && \echo "deb https://mirrors.aliyun.com/debian/ bullseye-backports main contrib non-free" >> /etc/apt/sources.list && \echo "deb https://mirrors.aliyun.com/debian-security/ bullseye-security main" >> /etc/apt/sources.list && \pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/&& \pip config set install.trusted-host mirrors.aliyun.com/pypi/simple/RUN apt-get update && apt-get -y install g++ cmake && \pip3 install torch==2.0.1+cpu torchvision==0.15.2+cpu torchaudio==2.0.2 \--index-url https://download.pytorch.org/whl/cpu && \pip3 install uvicorn fastapi==0.92.0 sse_starlette chatglm-cpp tabulate tqdm gradio transformers==4.30.2# 拷贝本地文件到目录COPY . /data# serviceFROM python:slim-bullseye# 直接使用基础镜像然后拷贝 site-packages 安装包即可 。COPY --from=builder /data/examples /data/examplesCOPY --from=builder /usr/local/lib/python3.11/site-packages /usr/local/lib/python3.11/site-packagesWORKDIR /data# 设置python 的环境变量和 fask app文件 。ENV LC_ALL="C.UTF-8" LANG="C.UTF-8"ENV PYTHONPATH="/data"EXPOSE 8000 7860ENTRYPOINT ["/data/examples/docker-entrypoint.sh"]CMD ["/bin/sh"]

其中启动脚本 -.sh 是：

#!/bin/shls -lhecho "############# start python3 web_demo.py #############"cd /data/examplespython3 web_demo.pysleep 99999d

执行打包命令：
docker build . -t chatglm.cpp:latest
然后就可以启动了，必须注意不能挂载当前的源代码文件夹了，否则会报错：
: Nonamed ‘._C’
【【chatglm2】使用Python在CPU环境中运行 chatglm】尝试下cd到别的路径下运行，在.cpp目录下执行，包名会跟仓库里的文件夹冲突
这样启动就可以了：

docker run -itd --name chatglm -p 8000:8000 -p 7860:7860 -v `pwd`/chatglm.cpp/chatglm-ggml.bin:/data/chatglm-ggml.bin chatglm.cpp:latest

然后就可以访问web 界面了。
7，总结
也可以支持英文，但是最后几个字有点问题。最后有点乱码，不知道是不是因为模型裁剪的问题。
同时也有可能是原始素材就有这个问题。
可以使用在 CPU上面运行，同时安装了的CPU 版本，镜像缩小到 1.5 G了。
并且速度也是非常的快了。可以在非GPU的机器上面运行了。可以解决很多问题呢。