网站鼠标悬停动态效果,fullpage网站怎么做,网页设计公司兴田德润在那里,软件开发模型名词解释XVERSE-7B-Chat为XVERSE-7B模型对齐后的版本。
XVERSE-7B 是由深圳元象科技自主研发的支持多语言的大语言模型#xff08;Large Language Model#xff09;#xff0c;参数规模为 70 亿#xff0c;主要特点如下#xff1a;
模型结构#xff1a;XVERSE-7B 使用主流 Deco…XVERSE-7B-Chat为XVERSE-7B模型对齐后的版本。
XVERSE-7B 是由深圳元象科技自主研发的支持多语言的大语言模型Large Language Model参数规模为 70 亿主要特点如下
模型结构XVERSE-7B 使用主流 Decoder-only 的标准 Transformer 网络结构支持 8K 的上下文长度Context Length能满足更长的多轮对话、知识问答与摘要等需求模型应用场景更广泛。训练数据构建了 2.6 万亿 token 的高质量、多样化的数据对模型进行充分训练包含中、英、俄、西等 40 多种语言通过精细化设置不同类型数据的采样比例使得中英两种语言表现优异也能兼顾其他语言效果。分词基于 BPEByte-Pair Encoding算法使用上百 GB 语料训练了一个词表大小为 100,534 的分词器能够同时支持多语言而无需额外扩展词表。训练框架自主研发多项关键技术包括高效算子、显存优化、并行调度策略、数据-计算-通信重叠、平台和框架协同等让训练效率更高模型稳定性强在千卡集群上的峰值算力利用率可达到 58.5%位居业界前列。
环境准备
在 Autodl 平台中租赁一个 3090 等 24G 显存的显卡机器如下图所示镜像选择 PyTorch–2.1.0–3.10(ubuntu22.04)–12.111.3 版本以上的都可以。 接下来打开刚刚租用服务器的 JupyterLab并且打开其中的终端开始环境配置、模型下载和运行演示。 pip 换源加速下载并安装依赖包为了方便大家进行环境配置在 code 文件夹里面给大家提供了 requirement.txt 文件大家直接使用下面的命令安装即可。如果你使用的是 autodl 部署模型的话我们有制作好的镜像供大家使用XVERSE-7B-Chat
# 升级pip
python -m pip install --upgrade pip
# 更换 pypi 源加速库的安装
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simplepip install -r requirement.txt模型下载
使用 modelscope 中的 snapshot_download 函数下载模型第一个参数为模型名称参数 cache_dir 为模型的下载路径。
在 /root/autodl-tmp 路径下新建 model_download.py 文件并在其中输入以下内容粘贴代码后请及时保存文件如下图所示。并运行 python /root/autodl-tmp/model_download.py 执行下载模型大小为 14GB下载模型大概需要 2 分钟。
import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir snapshot_download(xverse/XVERSE-7B-Chat, cache_dir/root/autodl-tmp, revisionmaster)代码准备 为了方便大家部署在 code 文件夹里面已经准备好了代码大家可以将仓库 clone 到服务器上直接运行。 在 /root/autodl-tmp 路径下新建 api.py 文件并在其中输入以下内容粘贴代码后请及时保存文件。下面的代码有很详细的注释大家如有不理解的地方欢迎提出 issue。
from fastapi import FastAPI, Request
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
import uvicorn
import json
import datetime
import torch# 设置设备参数
DEVICE cuda # 使用CUDA
DEVICE_ID 0 # CUDA设备ID如果未设置则为空
CUDA_DEVICE f{DEVICE}:{DEVICE_ID} if DEVICE_ID else DEVICE # 组合CUDA设备信息# 清理GPU内存函数
def torch_gc():if torch.cuda.is_available(): # 检查是否可用CUDAwith torch.cuda.device(CUDA_DEVICE): # 指定CUDA设备torch.cuda.empty_cache() # 清空CUDA缓存torch.cuda.ipc_collect() # 收集CUDA内存碎片# 创建FastAPI应用
app FastAPI()# 处理POST请求的端点
app.post(/)
async def create_item(request: Request):global model, tokenizer # 声明全局变量以便在函数内部使用模型和分词器json_post_raw await request.json() # 获取POST请求的JSON数据json_post json.dumps(json_post_raw) # 将JSON数据转换为字符串json_post_list json.loads(json_post) # 将字符串转换为Python对象prompt json_post_list.get(prompt) # 获取请求中的提示# 构建消息history [{role: user, content: prompt}]response model.chat(tokenizer, history)now datetime.datetime.now() # 获取当前时间time now.strftime(%Y-%m-%d %H:%M:%S) # 格式化时间为字符串# 构建响应JSONanswer {response: response,status: 200,time: time}# 构建日志信息log [ time ] , prompt: prompt , response: repr(response) print(log) # 打印日志torch_gc() # 执行GPU内存清理return answer # 返回响应# 主函数入口
if __name__ __main__:# 加载预训练的分词器和模型model_path xverse/XVERSE-7B-Chattokenizer AutoTokenizer.from_pretrained(model_path, trust_remote_codeTrue)model AutoModelForCausalLM.from_pretrained(model_path, torch_dtypetorch.float16, trust_remote_codeTrue).cuda()model.generation_config GenerationConfig.from_pretrained(model_path)model model.eval()# 启动FastAPI应用# 用6006端口可以将autodl的端口映射到本地从而在本地使用apiuvicorn.run(app, host0.0.0.0, port6006, workers1) # 在指定端口和主机上启动应用Api 部署
在终端输入以下命令启动api服务
cd /root/autodl-tmp
python api.py加载完毕后出现如下信息说明成功。 默认部署在 6006 端口通过 POST 方法进行调用可以使用 curl 调用如下所示
curl -X POST http://127.0.0.1:6006 \-H Content-Type: application/json \-d {prompt: 你好你是谁}也可以使用 python 中的 requests 库进行调用如下所示
import requests
import jsondef get_completion(prompt):headers {Content-Type: application/json}data {prompt: prompt}response requests.post(urlhttp://127.0.0.1:6006, headersheaders, datajson.dumps(data))return response.json()[response]if __name__ __main__:print(get_completion(你好你是谁))得到的返回值如下所示
{response:我是元象公司开发的一个人工智能语言模型名为XChat。我是基于Transformer架构训练出来的。我可以理解和生成自然语言协助回答问题提供信息参与对话创作文本等。请注意我并非具有自我意识或个人情感我只是一个能理解和生成文本的工具。我的知识截止于 2023 年 7 月所以有关更近期事件和发展的信息可能不会包括在内。如果有任何问题我会尽力提供帮助,status:200,time:2024-04-18 12:07:16}
