清华GLM部署记录

环境部署

1. 首先安装anaconda（建议包管理比较方便）windows用户需手动配置一下环境变量，下面默认是在ubuntu环境说明
2. 创建python环境，conda create -n your_env_name python=3.10 (注：官方是提供是python3.8，但目前主流用python3.10 因此使用python3.10. your_env_name 是可以自己命名的环境名字 )
3. 导入需要的包，这里包版本的参考，在附件中的requirements.txt, 可以使用pip install -r requirements.txt

拉取github项目

1. git clone https://github.com/chatchat-space/langchain-ChatGLM.git

2. cd langchain-ChatGLM

3. 启动webui：如果是ubuntu 可以直接运行命令

   python webui.py 
   

   启动api接口：如果是ubuntu 可以直接运行命令

   python api.py
   

   多卡启动， 在命令前面指定CUDA_VISIBLE_DEVICES=0,1 类似这样 如：

   CUDA_VISIBLE_DEVICES=0,1,2,3 python api.py
   

可能遇到的问题

• 默认直接运行命令时，第一次将会从huggingface上下载模型，可能遇到网络连接的问题，解决方案如下：

  • 重新运行，因为有断点重连，所以就不停的重新运行直到下完模型权重就行，默认地址为~/.cache/huggingface/hub/models–模型名称

  • 打开huggingface，搜索要下载的模型，在Files and versions中将模型都下载到本地，目录结构为

    .
    └── 模型文件夹
    ├── added_tokens.json
    ├── config.json
    ├── configuration_codet5p_embedding.py
    ├── merges.txt
    ├── modeling_codet5p_embedding.py
    ├── pytorch_model.bin
    ├── special_tokens_map.json
    ├── tokenizer.json
    ├── tokenizer_config.json
    └── vocab.json

    然后在langchain-ChatGLM/config/model_config.py 中配置local_model_path 字段为 模型文件夹所在的路径

更多说明

可以使用fastchat 部署做到 模型和api在不同的服务器（或相同服务器）

参考连接 https://github.com/lm-sys/FastChat/blob/main/docs/openai_api.md#restful-api-server