书生·浦语大模型实战营Day04OpenXLab 部署
- 如何在 OpenXLab 部署一个 InternLM2-7B chat 的应用。
OpenXLab·浦源平台介绍
OpenXLab 浦源平台以开源为核心,旨在构建开源开放的人工智能生态,促进学术成果的开放共享。OpenXLab面向 AI 研究员和开发者提供 AI 领域的一站式服务平台,包含数据集中心、模型中心和应用中心,致力于推动人工智能对产学研各领域全面赋能,为构建人工智能开放生态,推动人工智能科研与技术突破、交叉创新和产业落地提供全方位的平台支撑。
部署 InternLM2
-
InternLM2 GitHub文档:https://github.com/InternLM/InternLM
-
Gradio官方说明文档:https://www.gradio.app/docs/interface
-
OpenXLab平台地址:https://openxlab.org.cn/home
模型准备
准备InternLM2-Chat-7B的预训练模型。InternLM2-Chat-7B的模型权重链接如下:
Model | OpenXLab | Hugging Face | ModelScope |
---|---|---|---|
InternLM2-Chat-7B | OpenLMLab/internlm2-chat-7b | internlm/internlm2-chat-7b | Shanghai_AI_Laboratory/internlm2-chat-7b |
-
如有自己微调的模型,跳过该步骤,用自己训练好的模型即可。
-
如需获取 InternLM2其他模型,可查看 GitHub 的 Model Zoo 文档
上传模型
若 OpenXLab 模型中心已托管你所需要的模型,可跳过模型上传的步骤
初始化 Git 配置
安装Git的命令取决于您使用的操作系统。以下是在不同操作系统上安装 Git 的常见方法:
Windows:
- 访问Git官方网站下载页面:Git - Downloads
- 点击“Windows”下载Git安装程序。
- 运行下载的安装程序并按照向导指示完成安装。
# use git install lfs
git lfs install
Linux:
安装 git 和 git lfs,命令如下
# install git
# sudo apt-get update
# sudo apt-get install git
# install git lfs
sudo apt-get update
sudo apt-get install git-lfs
# use git install lfs
git lfs install
设置您的 Git 用户名,OpenXLab 使用你在平台的用户名作为 Git的用户名,具体获取路径,可登录 OpenXLab 后,点击个人头像下的 【账号与安全】查看个人的用户名
配置 Git Username,用于作为 Git 提交的身份标识。
git config --global user.name "sunxiaobei"
需要将 Username 替换成你在 OpenXLab 平台上的用户名
配置 Git Email
git config --global user.email "1371815174@qq.com"
获取 Git Access Token
在 OpenXLab 的密钥管理添加 Git 令牌
进入密钥管理页面,点击添加令牌,输入一个令牌名称和选择可写的权限
添加完令牌后,记得复制生成的 Access Token,如下图所示,在后续上传模型文件,执行git push 命令时会需要填入 Username 和 Access Token 信息
拉取模型仓库
首先需要在 OpenXLab 先创建一个模型空仓库,填写模型仓库的基本信息,包括仓库名称、任务类型、访问权限等。
创建完成空的模型仓库后,找到该仓库的 git 地址并拉取该空仓库至本地,空仓库的地址在模型文件的下载按钮下。
cd /root/
git clone https://code.openxlab.org.cn/sunxiaobei/personal_assistant.git
# git clone git@code.openxlab.org.cn:sunxiaobei/personal_assistant.git
cd personal_assistant
git lfs install
上传模型文件
在克隆的仓库目录中整理模型文件,即将你的模型文件放入至clone的目录中,并执行git push命令将模型推送至远程仓库
cp /root/demo/ft/final_model/* /root/personal_assistant/
在执行 git push
之前,如果您的仓库中包含大型文件,并且您希望使用 Git LFS 来管理这些文件,您需要先标记这些文件以便 Git LFS 能够识别它们。这通常是通过使用 git lfs track
命令来标记。以下是使用 git lfs track
命令的基本步骤:
LFS管理大文件:使用 git lfs track
命令来标记你希望通过 Git LFS 管理的大文件。例如,您想要通过LFS管理所有的 .bin
和 .model
的模型文件,可以使用以下命令:
git lfs track "*.bin"
git lfs track "*.model"
标记LFS管理的文件后,提交更新的信息,执行 git push 上传模型,命令如下所示:
cd personal_assistant
git add -A
git commit -m "upload model"
git push
命令行解释
cd internlm2-chat-7b
:切换到名为internlm2-chat-7b
的目录。git add -A
:添加所有新文件、修改过的文件和删除的文件到暂存区。git commit -m "upload model"
:创建一个新的提交,附带提交信息"upload model"。git push
:将本地的提交推送到远程仓库。
在执行 git push 时会弹出身份验证的弹窗,填入 Username 和 Access Token 信息,如图所示
其他身份验证方式
平台也提供SSH密钥方式身份验证,本小节不再赘述,如想了解 SSH 密钥身份验证可参考:https://openxlab.org.cn/docs/models/%E4%B8%8A%E4%BC%A0%E6%A8%A1%E5%9E%8B.html#%E4%B8%8A%E4%BC%A0%E6%A8%A1%E5%9E%8B%E6%96%87%E4%BB%B6
# 生成密钥文件
ssh-keygen -t rsa -C "1371815174@qq.com"
# 公钥信息 复制到配置
ssh-rsa AAAAB3 ******************
git clone git@code.openxlab.org.cn:sunxiaobei/personal_assistant.git
编写代码
本小节为编写 chat 的 web-ui 代码,主要包括项目结构初始化、应用环境配置和 gradio 应用代码的编写
初始化项目结构
创建一个新的 GitHub 仓库来存放您的 gradio 应用代码。推荐的项目结构如下:
- https://github.com/sunxiaobei/internlm_assistant
├─GitHub_Repo_Name
│ ├─app.py # Gradio 应用默认启动文件为app.py,应用代码相关的文件包含模型推理,应用的前端配置代码
│ ├─requirements.txt # 安装运行所需要的 Python 库依赖(pip 安装)
│ ├─packages.txt # 安装运行所需要的 Debian 依赖项( apt-get 安装)
| ├─README.md # 编写应用相关的介绍性的文档
│ └─...
示例代码仓库: https://github.com/keyhsw/internlm2-chat-7b-git
应用环境配置
依赖管理:配置应用所需的运行环境,如有 Python 依赖项( pip 安装)可写入 requirements.txt 中,Debian 依赖项( apt-get 安装)可写入 packages.txt 中,并存放至代码仓库的根目录下。
requirement.txt 配置 python相关的依赖包,例如 gradio、torch、transformers 等
gradio==4.10.0
transformers
sentencepiece
einops
accelerate
tiktoken
packages.txt 配置下载模型权重的工具包 git 和 git-lfs
git
git-lfs
其他环境安装:若您需要安装除了 Python 以外的包,如需要通过 mim 安装 mmcv,您可先在 requirement.txt 中填写 mim,然后在
app.py
中写入以下代码,即可完成相关包的安装:import os os.system("mim install mmcv-full")
编写 gradio 应用代码
编写一个app.py文件,里面可以通过transformers框架进行模型实例化并通过gradio组件搭建chat聊天界面,本次代码都存放在 GitHub示例代码仓库中,如需查看详细代码编写,可浏览 https://github.com/keyhsw/internlm2-chat-7b-git
import gradio as gr
import os
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, AutoModel
# download internlm2 to the base_path directory using git tool
base_path = './internlm2-chat-7b'
os.system(f'git clone https://code.openxlab.org.cn/OpenLMLab/internlm2-chat-7b.git {base_path}')
os.system(f'cd {base_path} && git lfs pull')
tokenizer = AutoTokenizer.from_pretrained(base_path,trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(base_path,trust_remote_code=True, torch_dtype=torch.float16).cuda()
def chat(message,history):
for response,history in model.stream_chat(tokenizer,message,history,max_length=2048,top_p=0.7,temperature=1):
yield response
gr.ChatInterface(chat,
title="InternLM2-Chat-7B",
description="""
InternLM is mainly developed by Shanghai AI Laboratory.
""",
).queue(1).launch()
应用代码注意事项 :在 app.py
文件中,如需下载模型和了解文件存放路径
- 工作目录:OpenXLab 应用代码默认存储的位置为
/home/xlab-app-center
,如需指定存储路径,可用相对路径“./”表示,本示例采用相对路径方式 - 模型下载:若需要在app.py中快速导入模型,可前往 模型中心上传模型权重后,通过平台提供的 git 方式进行下载,详情可参考 应用如何导入模型中心的模型,模型上传的详细步骤可查看 模型上传详细流程
import os
# download internlm2 to the base_path directory using git tool
base_path = './internlm2-chat-7b'
os.system(f'git clone https://code.openxlab.org.cn/OpenLMLab/internlm2-chat-7b.git {base_path}')
os.system(f'cd {base_path} && git lfs pull')
推送代码至 GitHub
编写完应用代码,记得推动您的应用代码至 GitHub 仓库中,推送本地代码至 GitHub 的命令如下:
cd personal_assistant
git add -A
git commit -m "add app.py requirements.txt packages.txt"
git push
部署应用
本小节为在OpenXLab浦源平台中,部署写好的 chat web-ui 的应用,具体步骤如下。
创建入口
创建入口在导航栏的右侧 + 创建
应用 Gradio
应用配置
填写 Chat 应用的基础信息,包括应用的名称和应用对应的任务类型,并填入 GitHub 仓库的地址,选择硬件资源后,即可立即创建啦~
应用配置注意事项
- GitHub 授权:若未进行 GitHub 授权,请先前往授权
- 自定义启动文件:若您有需要自定义启动的文件,可以通过配置选择启动文件的路径
- 资源申请:若当前您的资源quota不能满足您的应用需求,也可以填写硬件资源申请表单进行 申请获取
- 如需部署 InternLM2-7b 模型建议申请 8vCPU 32GB Nvidia A10 24GB 规格资源
- 如需部署 InternLM2-20b 模型建议申请 12vCPU 48GB Nvidia A100 40GB 规格资源
- 环境变量配置:若您有不方便在代码中暴露的变量信息,可通过高级配置中的环境变量进行配置
应用构建和启动
查看日志,调试应用代码,若应用代码无问题,运行成功,可体验应用,并将应用进行公开
构建应用过程中,可以尽量去完善应用的信息,包括应用封面、中文别称、关联论文和关联模型等信息,有利于后续的平台的推荐~
构建过程中,可查看应用的构建日志,及时查看应用的构建进度和启动情况
由于平台资源有限,可能会因为没有资源启动而进入排队中,请耐心等候
应用公开
应用成功运行后,可以进行测试应用是否能跑通,跑通后可以将应用进行公开,让更多人可以看到您的应用哦~
课程资料
- 课程视频:https://www.bilibili.com/video/BV1Rc411b7ns
- OpenXLab:https://studio.intern-ai.org.cn
- 学习手册:https://kvudif1helh.feishu.cn/docx/Xx8hdqGwmopi5NxWxNWc76AOnPf
- OpenXLab 平台介绍 :https://openxlab.org.cn/docs/intro.html
- OpenXLab Gradio 应用教程:https://openxlab.org.cn/docs/apps/Gradio%E5%BA%94%E7%94%A8.html
- OpenXLab 上传模型教程:https://openxlab.org.cn/docs/models/%E4%B8%8A%E4%BC%A0%E6%A8%A1%E5%9E%8B.html
个人小站:https://www.xiaowangyun.com