Llama3 Web Demo部署+Xtuner 完成小助手微调+LMDeploy部署

Llama3 Web Demo部署+Xtuner 完成小助手微调+LMDeploy部署

一、Llama3 Web Demo部署

本博客为基于机智流、Datawhale、ModelScope：Llama3-Tutorial（Llama 3 超级课堂）的作业。

（一）环境部署

1. 使用VSCode远程连接InterStudio开发机，并配置 VSCode 端口映射 参考 使用VSCode 远程连接 InternStudio 开发机
2. 使用conda创建虚拟环境，并安装对应的库，

conda create -n llama3 python=3.10
conda activate llama3
conda installpytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1-c pytorch -c nvidia

（二）实践教程（InternStudio 版）

1. 下载模型

新建文件夹

mkdir-p ~/model
cd ~/model

从OpenXLab中获取权重（开发机中不需要使用此步）
安装 git-lfs 依赖

# 如果下面命令报错则使用 apt install git git-lfs -y
conda install git-lfs
git-lfs install

下载模型或软链接 InternStudio 中的模型（建议使用软链接方式）

#下载模型git clone https://code.openxlab.org.cn/MrCat/Llama-3-8B-Instruct.git Meta-Llama-3-8B-Instruct
#软链接方式ln-s /root/share/new_models/meta-llama/Meta-Llama-3-8B-Instruct ~/model/Meta-Llama-3-8B-Instruct

1. WebDemo部署

下载课程代码

cd ~
git clone https://github.com/SmartFlowAI/Llama3-Tutorial

安装 XTuner （会自动安装其他依赖）

cd ~
git clone -b v0.1.18 https://github.com/InternLM/XTuner
cd XTuner
pip install-e.

运行 web_demo.py

streamlit run ~/Llama3-Tutorial/tools/internstudio_web_demo.py \
  ~/model/Meta-Llama-3-8B-Instruct

配置端口转发

最终效果：

二、Xtuner 完成小助手微调

（一）自我认知训练数据集准备

cd ~/Llama3-Tutorial
python tools/gdata.py 

以上脚本在生成了 ~/Llama3-Tutorial/data/personal_assistant.json 数据文件格式如下所示：

（二）XTuner配置文件准备

使用 configs/assistant/llama3_8b_instruct_qlora_assistant.py 配置文件(主要修改了模型路径和对话模板)

（三）训练模型

cd ~/Llama3-Tutorial

# 开始训练,使用 deepspeed 加速，A100 40G显存 耗时24分钟
xtuner train configs/assistant/llama3_8b_instruct_qlora_assistant.py --work-dir /root/llama3_pth

# Adapter PTH 转 HF 格式
xtuner convert pth_to_hf /root/llama3_pth/llama3_8b_instruct_qlora_assistant.py \
  /root/llama3_pth/iter_500.pth \
  /root/llama3_hf_adapter

# 模型合并exportMKL_SERVICE_FORCE_INTEL=1
xtuner convert merge /root/model/Meta-Llama-3-8B-Instruct \
  /root/llama3_hf_adapter\
  /root/llama3_hf_merged
#注意，路径前面要加空格，否则merge.py会报错，识别不到save_dir.

（四）推理验证

streamlit run ~/Llama3-Tutorial/tools/internstudio_web_demo.py \
  /root/llama3_hf_merged

此时 Llama3 拥有了他是 SmartFlowAI 打造的人工智能助手的认知。

三、LMDeploy部署

（一）环境，模型准备

1. 环境配置

# 如果你是InternStudio 可以直接使用# studio-conda -t lmdeploy -o pytorch-2.1.2# 初始化环境
conda create -n lmdeploy python=3.10
conda activate lmdeploy
conda installpytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1-c pytorch -c nvidia

安装lmdeploy最新版。

pip install-U lmdeploy[all]

2. Llama3 的下载

新建文件夹

mkdir-p ~/model
cd ~/model

软链接 InternStudio 中的模型

ln-s /root/share/new_models/meta-llama/Meta-Llama-3-8B-Instruct ~/model/Meta-Llama-3-8B-Instruct

（二）LMDeploy Chat CLI 工具

直接在终端运行

conda activate lmdeploy
lmdeploy chat /root/model/Meta-Llama-3-8B-Instruct

（三）LMDeploy模型量化(lite)

参考 LMDeploy模型量化(lite)

（四）LMDeploy Chat CLI 工具

在前面的章节，我们都是在本地直接推理大模型，这种方式成为本地部署。在生产环境下，我们有时会将大模型封装为 API 接口服务，供客户端访问。

1. 启动API服务器

通过以下命令启动API服务器，推理Meta-Llama-3-8B-Instruct模型：

lmdeploy serve api_server \
    /root/model/Meta-Llama-3-8B-Instruct \
    --model-format hf \
    --quant-policy 0\
    --server-name 0.0.0.0 \
    --server-port 23333\--tp1

其中，model-format、quant-policy这些参数是与第三章中量化推理模型一致的；server-name和server-port表示API服务器的服务IP与服务端口；tp参数表示并行数量（GPU数量）。 通过运行以上指令，我们成功启动了API服务器，请勿关闭该窗口，后面我们要新建客户端连接该服务。 你也可以直接打开http://{host}:23333查看接口的具体使用说明，如下图所示。

注意，这一步由于Server在远程服务器上，所以本地需要做一下ssh转发才能直接访问。在你本地打开一个cmd窗口，输入命令如下：

ssh-CNg-L23333:127.0.0.1:23333 [email protected] -p 你的ssh端口号

ssh 端口号就是下面图片里的 46921，请替换为你自己的。

然后打开浏览器，访问http://127.0.0.1:23333。

2. 命令行客户端连接API服务器

在上一小节中，我们在终端里新开了一个API服务器。 本节中，我们要新建一个命令行客户端去连接API服务器。首先通过VS Code新建一个终端： 激活conda环境

conda activate lmdeploy

运行命令行客户端：

lmdeploy serve api_client http://localhost:23333

运行后，可以通过命令行窗口直接与模型对话

3. 网页客户端连接API服务器

关闭刚刚的VSCode终端，但服务器端的终端不要关闭。 运行之前确保自己的gradio版本低于4.0.0。

pip installgradio==3.50.2

新建一个VSCode终端，激活conda环境。

conda activate lmdeploy

使用Gradio作为前端，启动网页客户端。

lmdeploy serve gradio http://localhost:23333 \
    --server-name 0.0.0.0 \
    --server-port 6006

打开浏览器，访问地址http://127.0.0.1:6006 然后就可以与模型进行对话了！

感谢机智流、Datawhale、ModelScope提供给大家这次大模型实践的机会~~