书生大模型实战营2

L0——入门岛

Python基础

Conda虚拟环境

虚拟环境是Python开发中不可或缺的一部分，它允许你在不同的项目中使用不同版本的库，避免依赖冲突。Conda是一个强大的包管理器和环境管理器。

创建新环境

首先，确保你已经安装了Anaconda或Miniconda，推荐使用Miniconda。创建虚拟环境时我们主要需要设置两个参数，一是虚拟环境的名字，二是python的版本。

conda create --name myenv python=3.10

这将创建一个名为myenv的新环境，使用Python 3.10。 执行后会在下方提示我们同时需要安装的第三方依赖库。

在安装包时会有一步二次确认，填y后，第三方库将开始下载。

环境管理

• 查看安装的虚拟环境

• 激活环境

要使用创建好的虚拟环境，我们需要先激活环境。激活我们刚刚创建的myenv环境的命令如下：

conda activate myenv

执行后在命令行的最前边，可以看到相应的变化。

如果要退出环境，回到默认环境，命令为

conda deactivate

又回到了base环境。

其他常见的虚拟环境管理命令还有

#查看当前环境中安装了的所有包
conda list
#删除环境（比如要删除myenv）
conda env remove myenv

安装虚拟环境到指定目录

有时我们会遇到想将整个虚拟环境保存到指定目录来共享，比如在局域网内，或者在InternStudio的团队开发机间共享。此时我们可以把conda的虚拟环境创建到指定目录下。

只需要在创建环境时使用–prefix参数制定环境所在的文件夹即可，比如我们想在/root/envs/路径下创建刚刚我们创建过的myenv。

conda create --prefix /root/envs/myenv python=3.12

其他操作就与直接在默认路径下创建新环境没有区别了。想要激活保存在指定目录下的conda虚拟环境也十分简单，直接将环境名替换成所在文件夹就行。

conda activate /root/envs/myenv

myenv这个文件夹里包含了整个虚拟环境，所以理论上将他直接拷贝到任意一台安装了conda的机器上都能直接激活使用，这也是在内网机器上做环境配置的一种效率较高的解决方案。

使用pip安装Python三方依赖包

在Python开发中，安装和管理第三方包是日常任务。pip是Python官方的包管理工具，全称为“Python Package Installer”，用于方便地安装、升级和管理Python包。

使用pip安装包

注意在使用conda的时候，我们需要先激活我们要用的虚拟环境，再在激活的虚拟环境中，使用pip来安装包。pip安装包的命令为pip install。

pip install <somepackage> # 安装单个包，<somepackage>替换成你要安装的包名
pip install pandas numpy # 安装多个包，如panda和numpy，中间使用空格分隔
pip install numpy==2.0 # 指定版本安装
pip install numpy>=1.19,<2.0 # 使用版本范围安装

安装requirement.txt

如果你有一个包含所有依赖信息的 requirements.txt 文件，可以使用 -r 一次性安装所有依赖。requirements.txt 在各种开源代码中经常可以看到，里面描述了运行该代码所需要的包和对应版本。

pip install -r requirements.txt

比如以下就是我们接下来会接触到的LLM部署框架 lmdeploy 的 requirements.txt 的一部分。

accelerate>=0.29.3
mmengine-lite
numpy<2.0.0
openai
peft<=0.11.1
transformers
triton>=2.1.0,<=2.3.1;

安装到指定目录

我们在使用pip的时候可以使用–target或-t参数来指定安装目录，此时pip会将你需要安装的包安装到你指定的目录下。

这里我们用本次实战营最常用的环境/root/share/pre_envs/pytorch2.1.2cu12.1来举例。

# 首先激活环境
conda activate /root/share/pre_envs/pytorch2.1.2cu12.1# 创建一个目录/root/myenvs，并将包安装到这个目录下
mkdir -p /root/myenvs
pip install <somepackage> --target /root/myenvs# 注意这里也可以使用-r来安装requirements.txt
pip install -r requirements.txt --target /root/myenvs

要使用安装在指定目录的python包，可以在python脚本开头临时动态地将该路径加入python环境变量中去

import sys  # 你要添加的目录路径  
your_directory = '/root/myenvs'  # 检查该目录是否已经在 sys.path 中  
if your_directory not in sys.path:  # 将目录添加到 sys.path  sys.path.append(your_directory)  # 现在你可以直接导入该目录中的模块了  
# 例如：import your_module

使用本地Vscode连接InternStudio开发机

使用SSH连接开发机

使用第一关在vs code中配置远程执行机的SSH连接，进入到执行机时，需要再次输入ssh连接的密码。

连接成功后我们打开远程连接的vscode的extensions，在远程开发机(SSH:SSH.INTERN-AI.ORG.CN) 上安装好python的插件，后面python debug会用到。也可以一键把我们本地vscode的插件安装到开发机上。

Python 和下边的 Python Debugger 将被同时安装。

在vscode中选择conda虚拟环境

当我们新建完一个python文件后，需要在右下角单击选择我们的python解释器才能运行。

这边我们会看到当前本机上已经安装好的所有python解释器，直接选择上一步中创建的环境中的解释器就行。

选择后，界面右下角即显示为当前使用的解释器。

如何在Vscode中打开终端

可以有两种常用的方法打开终端：

单击VSCode页面底部状态栏中的“终端”图标，可以快速打开VSCode的终端面板。

使用快捷键Ctrl+`，也可以快速打开VSCode的终端面板。

TIPS：终端面板右上方的+可以新建一个终端窗口。

使用vscode连接开发机进行python debug

什么是debug？

当你刚开始学习Python编程时，可能会遇到代码不按预期运行的情况。这时，你就需要用到“debug”了。简单来说，“debug”就是能再程序中设置中断点并支持一行一行地运行代码，观测程序中变量的变化，然后找出并修正代码中的错误。而VSCode提供了一个非常方便的debug工具，可以帮助你更容易地找到和修复错误。

使用Vscode进行Python debug的流程

• debug单个python文件

新建一个python文件，并放入以下内容。

def range_sum(start,end):sum_res = 0for i in range(start,end):sum_res+=ireturn sum_resif __name__ =="__main__":print(range_sum(1,10))

打开Python文件，点击“运行和调试”图标。

首次debug需要配置，选择python debugger后选择“debug Python File”。

• 设置断点

在代码行号旁边点击，可以添加一个红点，这就是断点（如果不能添加红点需要检查一下Python扩展是否已经正确安装）。当代码运行到这里时，它会停下来，这样你就可以检查变量的值、执行步骤等。接下来，我们在第4行的核心代码处打上断点。

• 启动debug

点击VSCode侧边栏的“Run and Debug”（运行和调试），选择调试配置后，点击按钮，或者按F5键。

• 查看变量

当代码在断点处停下来时，你可以查看和修改变量的值。在“Run and Debug”侧边栏的“Variables”（变量）部分，你可以看到当前作用域内的所有变量及其值。

• 单步执行代码

你可以使用顶部的debug面板的按钮来单步执行代码。这样，你可以逐行运行代码，并查看每行代码执行后的效果。

debug面板各按钮功能介绍：

continue: 继续运行到下一个断点。
step over: 单步跳过，可以理解为运行当前行代码，不进入具体的函数或者方法。
step into: 单步进入。如果当前行代码存在函数调用，则进入该函数内部。如果当前行代码没有函数调用，则等价于step over。
step out: 单步退出函数，返回到调用该函数的上一层代码。
restart: 重新启动调试。
stop: 终止调试。

• 修复错误并重新运行

如果你找到了代码中的错误，可以修复它，然后重新运行debug来确保问题已经被解决。

通过遵循以上步骤，你可以使用VSCode的debug功能来更容易地找到和修复你Python代码中的错误。可以自己编写一个简单的python脚本，并尝试使用debug来更好的理解代码的运行逻辑。记住，debug是编程中非常重要的一部分，所以不要怕花时间在这上面。随着时间的推移，你会变得越来越擅长它！

不同的断点

在调试（Debug）过程中，断点（Breakpoint）允许程序员在程序的执行流程中设置暂停点。当程序运行到这些断点时，执行会暂时中断，使得我们可以检查此时程序的状态，包括变量的值、内存的内容等。断点为我们提供了一个观察程序运行细节的机会，从而帮助我们定位和解决程序中的错误或问题。在VSCode中，我们还可以设置条件断点，这样断点只有在满足特定条件时才会触发。

• 普通断点：在代码行号左侧点击，添加断点。
• 条件断点：在断点标记上右键，选择条件断点（conditional breakpoint）。VSCode 中常用的条件断点主要有三种类型：
• 表达式（Expression）：输入一个 Python 表达式，每次触发断点时运行该表达式，当表达式的值为 True 时 VS Code 会暂停执行。例如：x == 10
• 触发计数（Hit Count）：断点触发计数达到输入值时才会暂停运行。
• 记录日志（Log Message）：触发该断点时在 Debug Console 中输出指定信息，实际上就是 logpoint。需要输入要输出的信息，如果要用到表达式，可以使用 {} 将表达式括起来。例如，每次记录变量 i 的值可以写 x={i}。

表达式条件断点
比如我们想让代码在 i=end-1 时停下来，可以这样设置： 在断点处右键选择“条件断点”，然后输入条件 i == end-1。

Python调用InternLM api

如何获取api key

前往书生浦语的API文档, (https://internlm.intern-ai.org.cn/api/tokens) 登陆后点击API tokens。
然后创建一个新的api token。

这里一定要注意，浦语的token只有刚创建的时候才能看到全文，后续没法再查看已经创建好的token，如果忘记需要重新创建，所以创建完了以后记得先复制保存到本地。

如何使用InternLM api

我们可以使用openai python sdk来调用InternLM api。注意在配置api key时，更推荐使用环境变量来配置以避免token泄露。

#./internlm_test.py
from openai import OpenAI
import os
def internlm_gen(prompt,client):'''LLM生成函数Param prompt: prompt stringParam client: OpenAI client '''response = client.chat.completions.create(model="internlm2.5-latest",messages=[{"role": "user", "content": prompt},],stream=False)return response.choices[0].message.contentapi_key = os.getenv('api_key')
#api_key = "" #也可以明文写在代码内，不推荐
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
prompt = '''你好！你是谁？'''
response = internlm_gen(prompt,client)
print(response)

我们可以在终端中临时将token加入变量，此时该环境变量只在当前终端内有效。所以该种方法需要我们在该终端中运行我们的py脚本。

export api_key="填入你的api token"
python internlm_test.py

若是想永久加入环境变量，可以对 ~/.bashrc 文件中添加以下命令。

export api_key="填入你的api token"

保存后记得source ~/.bashrc。

运行效果如下：

闯关任务

Leetcode 383

class Solution:def canConstruct(self, ransomNote: str, magazine: str) -> bool:counts = {}for c in magazine:counts[c] = counts.get(c,0) + 1for c in ransomNote:if c not in counts or counts[c] == 0:return Falsecounts[c] -= 1return True

Vscode连接InternStudio debug笔记

在环境变量中配置 api_key 后，并在代码中配置从os中获取。

首次运行代码时会报错，通过debug可以发现 res 字段返回的内容并不全是json结构，需要进行一次提取。这里使用了正则表达式。

pip安装到指定目录

通过pip安装 numpy 到指定目录下

新建python文件，并将numpy所在目录在文件最上边进行添加，下边就可以正常引用numpy库了，效果如下。