环球设计,廊坊seo优化,上海网络推广平台,十天学会网站建设目录 前言一、Lagent智能体工具1-1、什么是智能体#xff1f;1-2、Lagent智能体 二、InternLM-XComposer#xff08;图文理解创作模型介绍#xff09;三、Lagent调用实践3-0、环境搭建3-1、创建虚拟环境3-2、导入所需要的包3-3、模型下载3-4、Lagent安装3-5、demo运行 四、I… 目录 前言一、Lagent智能体工具1-1、什么是智能体1-2、Lagent智能体 二、InternLM-XComposer图文理解创作模型介绍三、Lagent调用实践3-0、环境搭建3-1、创建虚拟环境3-2、导入所需要的包3-3、模型下载3-4、Lagent安装3-5、demo运行 四、InternLM-XComposer本地部署实践4-0、环境搭建4-1、创建虚拟环境4-2、导入所需要的包4-3、模型下载4.4 代码准备4.5 Demo 运行 附录1、模型下载Hugging Face 总结 前言 AI Agent人工智能代理是一种能够感知环境、进行决策和执行动作的智能实体。 一、Lagent智能体工具
1-1、什么是智能体
背景介绍随着技术的发展大语言模型的规模也在不断扩大也涌现出了上下文学习能力、推理能力、思维链等类似人类思考方式的多种能力但是大语言模型仍然存在着大量问题例如幻觉、上下文限制等等为了解决这些问题Ai Agent应用而生通过让大模型借助一个或者多个Agent的能力构建成为具备自主思考、决策并且执行的智能体。
智能体AI Agent基于大模型让人们以自然语言为交互方式是一种能够通过对话感知任务、进行决策并且执行动作的智能实体。简言之AI Agent 具备通过独立思考、调用工具去逐步完成给定目标的能力。诸如西部世界小镇(25个AI智能体在游戏世界上班、闲聊、social、交友甚至还能谈恋爱而且每个Agent都有自己的个性和背景故事)、AutoGPT等火爆的Agent项目。
如下图为西部世界小镇游戏截图 西部世界小镇新闻链接《西部世界》真来了斯坦福爆火「小镇」开源25个AI智能体恋爱交友附保姆级教程 项目地址https://github.com/joonspk-research/generative_agents 与大模型的区别大模型与人类之间的交互是基于 prompt 实现的用户 prompt 是否清晰明确会影响大模型回答的效果。而 AI Agent 的工作仅需给定一个目标它就能够针对目标独立思考并做出行动。
1-2、Lagent智能体
官方GitHub链接https://github.com/InternLM/lagent?tabreadme-ov-file LagentLagent是一个轻量级的开源框架允许用户高效地构建基于大型语言模型LLM的代理。它还提供了一些典型的工具来增强 LLM。框架概述如下所示 二、InternLM-XComposer图文理解创作模型介绍
官方GitHub链接https://github.com/InternLM/InternLM-XComposer 介绍InternLM-XComposer 是一个基于 InternLM 的视觉语言大模型 VLLM用于高级文本图像理解和合成。 该模型具有以下特点 丰富的多语言知识理解通过对广泛的多模态多语言概念的训练和精心设计的策略增强文本图像理解的能力从而对视觉内容有深刻的理解 图文合成InternLM-XComposer 可以毫不费力地生成连贯且上下文相关的文章无缝集成图像提供更具吸引力和身临其境的阅读体验。文本-图像合成通过以下步骤实现 文本生成它根据人工提供的说明制作长格式文本。图像发现它精确定位图像放置的最佳位置并提供图像描述。图像检索和选择它选择候选图像并识别与内容最佳补充的图像。 三、Lagent调用实践
3-0、环境搭建
环境租用autoDL环境选torch1.11.0,ubuntu20.04python版本为3.8cuda版本为11.3使用v100来进行实验。
3-1、创建虚拟环境
bash # 请每次使用 jupyter lab 打开终端时务必先执行 bash 命令进入 bash 中# 创建虚拟环境
conda create -n internlm# 激活虚拟环境
conda activate internlm3-2、导入所需要的包
# 升级pip
python -m pip install --upgrade pip# 下载速度慢可以考虑一下更换镜像源。
# pip config set global.index-url https://mirrors.cernet.edu.cn/pypi/web/simplepip install modelscope1.9.5
pip install transformers4.35.2
pip install streamlit1.24.0
pip install sentencepiece0.1.99
pip install accelerate0.24.13-3、模型下载
概述使用魔搭社区下载模型使用到了snapshot_download函数第一个参数为模型名称参数 cache_dir 为模型的下载路径我这里的路径在/root/model下将下列代码写入到一个py文件中使用命令python 文件名 来执行下载。
import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir snapshot_download(Shanghai_AI_Laboratory/internlm-chat-7b, cache_dir/root/model, revisionv1.0.3)下载图片如下需要预留大约20G的空间。
3-4、Lagent安装
# 创建目录
cd /root/code
git clone https://gitee.com/internlm/lagent.git
cd /root/code/lagent
git checkout 511b03889010c4811b1701abb153e02b8e94fb5e # 尽量保证和教程commit版本一致
pip install -e . # 源码安装
代码修改将 /root/code/lagent/examples/react_web_demo.py 内容替换为以下代码
import copy
import osimport streamlit as st
from streamlit.logger import get_loggerfrom lagent.actions import ActionExecutor, GoogleSearch, PythonInterpreter
from lagent.agents.react import ReAct
from lagent.llms import GPTAPI
from lagent.llms.huggingface import HFTransformerCasualLMclass SessionState:def init_state(self):Initialize session state variables.st.session_state[assistant] []st.session_state[user] []#action_list [PythonInterpreter(), GoogleSearch()]action_list [PythonInterpreter()]st.session_state[plugin_map] {action.name: actionfor action in action_list}st.session_state[model_map] {}st.session_state[model_selected] Nonest.session_state[plugin_actions] set()def clear_state(self):Clear the existing session state.st.session_state[assistant] []st.session_state[user] []st.session_state[model_selected] Noneif chatbot in st.session_state:st.session_state[chatbot]._session_history []class StreamlitUI:def __init__(self, session_state: SessionState):self.init_streamlit()self.session_state session_statedef init_streamlit(self):Initialize Streamlits UI settings.st.set_page_config(layoutwide,page_titlelagent-web,page_icon./docs/imgs/lagent_icon.png)# st.header(:robot_face: :blue[Lagent] Web Demo , dividerrainbow)st.sidebar.title(模型控制)def setup_sidebar(self):Setup the sidebar for model and plugin selection.model_name st.sidebar.selectbox(模型选择, options[gpt-3.5-turbo,internlm])if model_name ! st.session_state[model_selected]:model self.init_model(model_name)self.session_state.clear_state()st.session_state[model_selected] model_nameif chatbot in st.session_state:del st.session_state[chatbot]else:model st.session_state[model_map][model_name]plugin_name st.sidebar.multiselect(插件选择,optionslist(st.session_state[plugin_map].keys()),default[list(st.session_state[plugin_map].keys())[0]],)plugin_action [st.session_state[plugin_map][name] for name in plugin_name]if chatbot in st.session_state:st.session_state[chatbot]._action_executor ActionExecutor(actionsplugin_action)if st.sidebar.button(清空对话, keyclear):self.session_state.clear_state()uploaded_file st.sidebar.file_uploader(上传文件, type[png, jpg, jpeg, mp4, mp3, wav])return model_name, model, plugin_action, uploaded_filedef init_model(self, option):Initialize the model based on the selected option.if option not in st.session_state[model_map]:if option.startswith(gpt):st.session_state[model_map][option] GPTAPI(model_typeoption)else:st.session_state[model_map][option] HFTransformerCasualLM(/root/model/Shanghai_AI_Laboratory/internlm-chat-7b)return st.session_state[model_map][option]def initialize_chatbot(self, model, plugin_action):Initialize the chatbot with the given model and plugin actions.return ReAct(llmmodel, action_executorActionExecutor(actionsplugin_action))def render_user(self, prompt: str):with st.chat_message(user):st.markdown(prompt)def render_assistant(self, agent_return):with st.chat_message(assistant):for action in agent_return.actions:if (action):self.render_action(action)st.markdown(agent_return.response)def render_action(self, action):with st.expander(action.type, expandedTrue):st.markdown(p styletext-align: left;display:flex; span stylefont-size:14px;font-weight:600;width:70px;text-align-last: justify;插 件/spanspan stylewidth:14px;text-align:left;display:block;:/spanspan styleflex:1; # noqa E501 action.type /span/p,unsafe_allow_htmlTrue)st.markdown(p styletext-align: left;display:flex; span stylefont-size:14px;font-weight:600;width:70px;text-align-last: justify;思考步骤/spanspan stylewidth:14px;text-align:left;display:block;:/spanspan styleflex:1; # noqa E501 action.thought /span/p,unsafe_allow_htmlTrue)if (isinstance(action.args, dict) and text in action.args):st.markdown(p styletext-align: left;display:flex;span stylefont-size:14px;font-weight:600;width:70px;text-align-last: justify; 执行内容/spanspan stylewidth:14px;text-align:left;display:block;:/span/p, # noqa E501unsafe_allow_htmlTrue)st.markdown(action.args[text])self.render_action_results(action)def render_action_results(self, action):Render the results of action, including text, images, videos, andaudios.if (isinstance(action.result, dict)):st.markdown(p styletext-align: left;display:flex;span stylefont-size:14px;font-weight:600;width:70px;text-align-last: justify; 执行结果/spanspan stylewidth:14px;text-align:left;display:block;:/span/p, # noqa E501unsafe_allow_htmlTrue)if text in action.result:st.markdown(p styletext-align: left; action.result[text] /p,unsafe_allow_htmlTrue)if image in action.result:image_path action.result[image]image_data open(image_path, rb).read()st.image(image_data, captionGenerated Image)if video in action.result:video_data action.result[video]video_data open(video_data, rb).read()st.video(video_data)if audio in action.result:audio_data action.result[audio]audio_data open(audio_data, rb).read()st.audio(audio_data)def main():logger get_logger(__name__)# Initialize Streamlit UI and setup sidebarif ui not in st.session_state:session_state SessionState()session_state.init_state()st.session_state[ui] StreamlitUI(session_state)else:st.set_page_config(layoutwide,page_titlelagent-web,page_icon./docs/imgs/lagent_icon.png)# st.header(:robot_face: :blue[Lagent] Web Demo , dividerrainbow)model_name, model, plugin_action, uploaded_file st.session_state[ui].setup_sidebar()# Initialize chatbot if it is not already initialized# or if the model has changedif chatbot not in st.session_state or model ! st.session_state[chatbot]._llm:st.session_state[chatbot] st.session_state[ui].initialize_chatbot(model, plugin_action)for prompt, agent_return in zip(st.session_state[user],st.session_state[assistant]):st.session_state[ui].render_user(prompt)st.session_state[ui].render_assistant(agent_return)# User input form at the bottom (this part will be at the bottom)# with st.form(keymy_form, clear_on_submitTrue):if user_input : st.chat_input():st.session_state[ui].render_user(user_input)st.session_state[user].append(user_input)# Add file uploader to sidebarif uploaded_file:file_bytes uploaded_file.read()file_type uploaded_file.typeif image in file_type:st.image(file_bytes, captionUploaded Image)elif video in file_type:st.video(file_bytes, captionUploaded Video)elif audio in file_type:st.audio(file_bytes, captionUploaded Audio)# Save the file to a temporary location and get the pathfile_path os.path.join(root_dir, uploaded_file.name)with open(file_path, wb) as tmpfile:tmpfile.write(file_bytes)st.write(fFile saved at: {file_path})user_input 我上传了一个图像路径为: {file_path}. {user_input}.format(file_pathfile_path, user_inputuser_input)agent_return st.session_state[chatbot].chat(user_input)st.session_state[assistant].append(copy.deepcopy(agent_return))logger.info(agent_return.inner_steps)st.session_state[ui].render_assistant(agent_return)if __name__ __main__:root_dir os.path.dirname(os.path.dirname(os.path.abspath(__file__)))root_dir os.path.join(root_dir, tmp_dir)os.makedirs(root_dir, exist_okTrue)main()3-5、demo运行
streamlit run /root/code/lagent/examples/react_web_demo.py --server.address 127.0.0.1 --server.port 6006结果如图所示
四、InternLM-XComposer本地部署实践
4-0、环境搭建
环境租用autoDL环境选torch1.11.0,ubuntu20.04python版本为3.8cuda版本为11.3使用v100来进行实验。
4-1、创建虚拟环境
bash # 请每次使用 jupyter lab 打开终端时务必先执行 bash 命令进入 bash 中# 创建虚拟环境
conda create -n internlm# 激活虚拟环境
conda activate internlm4-2、导入所需要的包
# 升级pip
python -m pip install --upgrade pip# 下载速度慢可以考虑一下更换镜像源。
# pip config set global.index-url https://mirrors.cernet.edu.cn/pypi/web/simple# 将以下依赖包放置在txt文件中并使用命令pip install -r requirements.txt 来进行安装。Notice: 详细依赖版本点赞收藏关注我后私信获取以下为部分展示
accelerate0.25.0
aiofiles23.2.1
altair5.2.0
annotated-types0.6.0
anyio4.2.0
attrs23.2.0
Brotli file:///tmp/abs_ecyw11_7ze/croots/recipe/brotli-split_1659616059936/work
certifi file:///croot/certifi_1700501669400/work/certifi
cffi file:///croot/cffi_1700254295673/work
charset-normalizer file:///tmp/build/80754af9/charset-normalizer_1630003229654/work
click8.1.7
contourpy1.2.0
cryptography file:///croot/cryptography_1694444244250/work
cycler0.12.1
einops0.7.0
exceptiongroup1.2.0
fastapi0.108.0
ffmpy0.3.1
filelock file:///croot/filelock_1700591183607/work
fonttools4.47.0
fsspec2023.12.2
gmpy2 file:///tmp/build/80754af9/gmpy2_1645455533097/work
gradio3.44.4
gradio_client0.5.1
h110.14.0
httpcore1.0.2
httpx0.26.0
huggingface-hub0.20.2
idna file:///croot/idna_1666125576474/work
importlib-resources6.1.1
Jinja2 file:///croot/jinja2_1666908132255/work
jsonschema4.20.0
jsonschema-specifications2023.12.1
kiwisolver1.4.5
markdown22.4.10
MarkupSafe file:///opt/conda/conda-bld/markupsafe_1654597864307/work
matplotlib3.8.2
mkl-fft file:///croot/mkl_fft_1695058164594/work
mkl-random file:///croot/mkl_random_1695059800811/work
mkl-service2.4.0
mpmath file:///croot/mpmath_1690848262763/work
networkx file:///croot/networkx_1690561992265/work
numpy file:///croot/numpy_and_numpy_base_1701295038894/work/dist/numpy-1.26.2-cp310-cp310-linux_x86_64.whl#sha2562ab675fa590076aa37cc29d18231416c01ea433c0e93be0da3cfd734170cfc6f
orjson3.9.10
packaging23.2
pandas2.1.4
Pillow file:///croot/pillow_1696580024257/work
psutil5.9.7
pycparser file:///tmp/build/80754af9/pycparser_1636541352034/work
pydantic2.5.3
pydantic_core2.14.6
pydub0.25.1
pyOpenSSL file:///croot/pyopenssl_1690223430423/work
pyparsing3.1.1
PySocks file:///home/builder/ci_310/pysocks_1640793678128/work
python-dateutil2.8.2
python-multipart0.0.6
pytz2023.3.post1
PyYAML6.0.1
referencing0.32.1
regex2023.12.25
requests file:///croot/requests_1690400202158/work
rpds-py0.16.2
safetensors0.4.1
semantic-version2.10.0
sentencepiece0.1.99
six1.16.0
sniffio1.3.0
starlette0.32.0.post1
sympy file:///croot/sympy_1668202399572/work
timm0.4.12
tokenizers0.13.3
toolz0.12.0
torch2.0.1
torchaudio2.0.2
torchvision0.15.2
tqdm4.66.1
transformers4.33.1
triton2.0.0
typing_extensions4.9.0
tzdata2023.4
urllib3 file:///croot/urllib3_1698257533958/work
uvicorn0.25.0
websockets11.0.3
XlsxWriter3.1.2
4-3、模型下载
概述在 /root/model 路径下新建 download.py 文件并在其中输入以下内容并运行 python /root/model/download.py 执行下载
import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
model_dir snapshot_download(Shanghai_AI_Laboratory/internlm-xcomposer-7b, cache_dir/root/model, revisionmaster)4.4 代码准备
概述在 /root/code git clone InternLM-XComposer 仓库的代码
cd /root/code
git clone https://gitee.com/internlm/InternLM-XComposer.git
cd /root/code/InternLM-XComposer
git checkout 3e8c79051a1356b9c388a6447867355c0634932d # 最好保证和教程的 commit 版本一致4.5 Demo 运行
在终端运行以下代码
cd /root/code/InternLM-XComposer
python examples/web_demo.py \--folder /root/model/Shanghai_AI_Laboratory/internlm-xcomposer-7b \--num_gpus 1 \--port 6006详情页如下所示
附录
1、模型下载Hugging Face
使用huggingface-cli命令行工具安装
pip install -U huggingface_hub然后新建文件填入以下代码即可
import os
# 下载模型
# 将名为HF_ENDPOINT的环境变量设置为https://hf-mirror.com。即访问Hugging Face的镜像站点而不是需要代理去访问Huggingface的官网。
# os.environ[HF_ENDPOINT] https://hf-mirror.com# resume-download断点续下
# local-dir本地存储路径。linux 环境下需要填写绝对路径
os.system(huggingface-cli download --resume-download internlm/internlm-chat-7b --local-dir your_path)具体下载过程如下图所示
使用huggingface_hub来下载模型中的部分文件
import os
# 将名为HF_ENDPOINT的环境变量设置为https://hf-mirror.com。即访问Hugging Face的镜像站点而不是需要代理去访问Huggingface的官网。
# os.environ[HF_ENDPOINT] https://hf-mirror.comfrom huggingface_hub import hf_hub_download # Load model directly
hf_hub_download(repo_idinternlm/internlm-20b, filenameconfig.json)Notice: 如果发生报错requests.exceptions.ProxyError这个错误通常是由于代理服务器无法连接或超时引起的。把代码中的注释打开即可。下载成功截图如下所示
参考文章 读懂AI Agent基于大模型的人工智能代理(转自知乎. InternLM官方仓库 总结
代码比人更有温度。
