最近国内的大模型可谓是遍地开花，你瞧瞧：
这么火，我也想搞一个试试，于是就有了这篇文章！对，你没看错，就是白嫖。
毕竟人家清华都开源了，哈哈哈hoho~~
先把开源地址贴一下，老铁们可以自行去瞧一瞧：
https://github.com/THUDM/ChatGLM-6B
https://huggingface.co/THUDM/chatglm-6b
ChatGLM-6B 是一个开源的、支持中英双语问答的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。
结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。
ChatGLM-6B 使用了和 ChatGLM 相同的技术，针对中文问答和对话进行了优化。
经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。
最重要的一点，人家遵循Apache-2.0协议。
下面开干吧！
准备机器
毕竟是要搭建可以跑起来的环境，机器肯定是必不可少的。好在阿里云有白嫖的使用机器。
-
进去阿里云免费试用活动页面 https://free.aliyun.com/
-
申请试用PAI-DSW资源，点击页面上的【立即试用】就可以了。（我因为已经试用了，所以显示的是“已试用”）
-
参考试用教程创建PAI平台示例。或者接着往下看
-
在阿里云页面搜索PAI，点击立即开通，然后进入到PAI控制台。
开通的时候，有些可选的资源（比如NAS存储等），我因为没有，所以都没选。
-
进入控制台后，选择创建DSW实例
创建的时候，资源选择GPU资源，然后选择 支持资源包抵扣的那款 ecs.gn6v-c8g1.2xlarge
如果资源组下拉框是空白的，那么你需要在 上图左侧【工作空间详情】菜单，配置一下计算资源。
配置的按钮在工作空间详情页面右边【资源管理】，选择public-cluster 即可
镜像选择pytorch1.12，点击创建完成，机器就白嫖好了。
下载大模型
前面实例创建完之后，点击【打开】，会进入到机器的web控制台（Data Science Workshop）。
在这里，可以在Terminal里面操作了。
-
先执行安装git相关命令
sudo apt-get update
sudo apt-get install git-lfs
-
下载模型仓库（因为模型比较大，所以下载下来再执行方便些）
git clone git@hf.co:THUDM/chatglm-6b
-
下载模型运行代码
git clone https://github.com/THUDM/ChatGLM-6B.git
部署启动
部署前修改源码
因为我们已经把模型下载下来了，部署前，需要把代码中的模型路径改成你自己的。
比如我们的模型下载在/mnt/workspace/chatglm-6b，我们就需要把 ChatGLM-6B 下的两个文件路径都改一下：
- cli_demo.py：命令行交互界面
- web_demo.py：Web图形交互界面
启动
进入到ChatGLM-6B目录，执行启动命令即可
python web_demo.py
命令执行成功，会提示。就表示启动成功了。
Running on local URL: http://127.0.0.1:7860
To create a public link, set
share=Trueinlaunch().
如果想外网访问，就还需要改一点源码。在web_demo.py文件最末尾，设置share=True
修改前：demo.queue().launch(share=False, inbrowser=True)
修改后：demo.queue().launch(share=True, inbrowser=True)
改完后，保存，再次启动，会打印出Running on public URL:XXXX，通过这个链接即可打开体验。
启动中如果遇到缺少一些module，可通过【pip install xxx】进行安装，安装完之后再执行启动命令
使用效果
使用效果的话，只能说还有相当长的路需要走。
答的是有板有眼的！但是，实际上…
我把完整的代码贴在下面，大家可自行体验评论：
import java.util.concurrent.Thread;
import java.util.concurrent.Executors;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors.newSingleThreadExecutor();
import java.util.concurrent.Future;
public class TwoThreads交替打印String {
public static void main(String[] args) {
int numThreads = 2;
String str = "Hello, World!";
int index = 0;
ExecutorService executor = Executors.newSingleThreadExecutor();
List<Future<void>> futures = new ArrayList<>();
for (int i = 0; i < numThreads; i++) {
int size = str.length();
int start = index * size + i;
int end = start + size;
int buffer = start * size + size;
// 打印前一个线程的输出
futures.add(executor.submit(() -> {
Thread thread = new Thread(new MyThread(str, buffer));
thread.start();
}));
// 打印当前线程的输出
futures.add(executor.submit(() -> {
Thread thread = new Thread(new MyThread(str, buffer));
thread.start();
}));
// 等待当前线程完成
thread.join();
// 打印下一个线程的输出
futures.add(executor.submit(() -> {
Thread thread = new Thread(new MyThread(str, buffer));
thread.start();
}));
index += size;
}
// 打印所有线程的输出
for (Future<void> future : futures) {
future.get();
}
executor.shutdown();
}
private static class MyThread implements Runnable {
private final String str;
private final int buffer;
public MyThread(String str, int buffer) {
this.str = str;
this.buffer = buffer;
}
@Override
public void run() {
for (int i = 0; i < buffer; i++) {
System.out.print(str.charAt(i) + " ");
}
}
}
}
如何系统的去学习大模型LLM ？
作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~
标签：属于,私有,模型,AI,int,buffer,str,ChatGLM From： https://blog.csdn.net/2401_85375151/article/details/140550405