使用InternStudio中的 A100(1/4) 机器和InternLM-Chat-7B模型部署一个智能对话 Demo。
一、环境准备
进入 conda 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 中使用以下命令从本地克隆一个已有的 pytorch 2.0.1 的环境：
conda create --name internlm-demo --clone=/root/share/conda_envs/internlm-base
使用以下命令激活环境：
conda activate internlm-demo
在环境中安装运行 demo 所需要的依赖：
# 升级pip
python -m pip install --upgrade pippip install modelscope==1.9.5
pip install transformers==4.35.2
pip install streamlit==1.24.0
pip install sentencepiece==0.1.99
pip install accelerate==0.24.1
二、模型下载
InternStudio平台的 share 目录下已经为我们准备了全系列的 InternLM 模型，所以我们可以直接复制即可。使用如下命令复制：
mkdir -p /root/model/Shanghai_AI_Laboratorycp -r /root/share/temp/model_repos/internlm-chat-7b /root/model/Shanghai_AI_Laboratory- -r 选项表示递归地复制目录及其内容
------------------------------------------------------------------------------
也可以使用 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 路径下新建目录model，在目录下新建 download.py 文件并在其中输入以下内容，粘贴代码后记得保存文件，如下图所示。并运行 python /root/model/download.py 执行下载，模型大小为 14 GB，下载模型大概需要 10~20 分钟。
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', revision='v1.0.3')三、代码准备
先 clone 代码。在 /root 路径下新建 code 目录，然后切换路径, clone 代码：
cd /root/codegit clone https://gitee.com/internlm/InternLM.git切换 commit 版本，与教程 commit 版本保持一致，可以让大家更好的复现。
cd InternLMgit checkout 3028f07cb79e5b1d7342f4ad8d11efad3fd13d17
将 /root/code/InternLM/web_demo.py中 29 行和 33 行的模型更换为本地的 /root/model/Shanghai_AI_Laboratory/internlm-chat-7b。
四、终端运行
在 /root/code/InternLM 目录下新建一个 cli_demo.py 文件，将以下代码填入其中：
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
model_name_or_path = "/root/model/Shanghai_AI_Laboratory/internlm-chat-7b"
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='auto')
model = model.eval（)
messages = []
print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")
while True:
input_text = input("User >>> ")
if input_text == "exit":
break
response, history = model.chat(tokenizer, input_text, history=messages)
messages.append((input_text, response))
print(f"robot >>> {response}")然后在终端运行以下命令，即可体验 InternLM-Chat-7B 模型的对话能力：
python /root/code/InternLM/cli_demo.py对话效果如下所示：
五、web demo 运行
本地配置端口配置：
在本地配置端口，可以通过 ssh 连接到服务器，然后将服务器的端口映射到本地，这样就可以在本地浏览器中访问服务器的端口了。
ssh-keygen -t rsa
提示选择密钥文件的保存位置，默认情况下是在 ~/.ssh/ 目录中。按 Enter 键接受默认值或输入自定义路径。
公钥默认存储在 ~/.ssh/id_rsa.pub，可以通过系统自带的 cat 工具查看文件内容：
cat ~\.ssh\id_rsa.pub将公钥复制到剪贴板中，然后回到 InternStudio 控制台，点击配置 SSH Key。如下图所示：
在本地终端输入以下指令 .6006 是在服务器中打开的端口，而 33799 是根据开发机的端口进行更改：
ssh -CNg -L 6006:127.0.0.1:6006 [email protected] -p 33799切换到开发机 VScode 中，运行 /root/code/InternLM 目录下的 web_demo.py 文件，输入以下命令：
bash
conda activate internlm-demo # 首次进入 vscode 会默认是 base 环境，所以首先切换环境
cd /root/code/InternLM
streamlit run web_demo.py --server.address 127.0.0.1 --server.port 6006
在本地浏览器输入 http://127.0.0.1:6006 ，下面是加载界面：
在加载完模型之后，就可以与 InternLM-Chat-7B 进行对话：
