【ChatGLM3-6B】Docker下部署及微调

阅读本书更多章节>>>>

【ChatGLM2-6B】小白入门及Docker下部署

注意：Docker基于镜像中网盘上上传的有已经做好的镜像，想要便捷使用的可以直接从Docker基于镜像安装看Docker从0安装前提下载启动访问 Docker基于镜像安装容器打包操作（生成镜像时使用的命令）安装时命令 微调前提微调和验证文件准备微调和验证文件格式转换修改微调脚本执行微调微调完成结果推理验证报错解决出现了$‘\r’: command not found错误 加载微调模型API接口调用

注意：Docker基于镜像中网盘上上传的有已经做好的镜像，想要便捷使用的可以直接从Docker基于镜像安装看

Docker从0安装

前提

安装好了docker安装好了NVIDIA显卡16G

下载

新建一个文件夹，用来存放下载下来的ChatGLM3代码和模型

右键，打开一个git窗口，拉取模型（会很慢，耐心等待）

地址： https://modelscope.cn/models/ZhipuAI/chatglm3-6b/summary

git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git

右键，打开一个git窗口，拉取源代码

地址：https://github.com/THUDM/ChatGLM3

git clone https://github.com/THUDM/ChatGLM3

或

git clone https://ghproxy.com/https://github.com/THUDM/ChatGLM3

注意：将下载好的模型（chatglm3-6b-models）和代码放到一个目录里面，并上传到服务器上

启动

docker run -itd --name chatglm3 -v `pwd`/ChatGLM3:/data \--gpus=all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all \-p 8501:8501 pytorch/pytorch:2.0.1-cuda11.7-cudnn8-devel# 进入启动好的容器docker exec -it chatglm3 bash# 设置pip3下载路径为国内镜像cd /datapip3 config set global.index-url https://mirrors.aliyun.com/pypi/simple pip3 config set install.trusted-host mirrors.aliyun.com# 安装基础依赖pip3  install -r requirements.txt

修改模型路径

启动

streamlit run basic_demo/web_demo2.py

访问

http://10.22.2.18:8501/

Docker基于镜像安装

容器打包操作（生成镜像时使用的命令）

将安装好、启动好的容器打包成镜像

docker commit -m='glm3 commit' -a='zhangzh' chatglm3 chatglm3-6b:1.1

将镜像，打成可以传到其他地方的tar包

docker save -o chatglm3-6b.tar chatglm3-6b:1.1

安装时命令

网盘地址

​ 这里因为网盘上传文件有大小限制，所以使用了分卷压缩的方式进行了上传，全部下载下来就可以。

链接：https://pan.baidu.com/s/1wY3QqaWrMyBR39d2ZhN_Kg?pwd=9zdd 提取码：9zdd

将下载好的镜像文件和代码模型文件上传到服务器上，并进行解压，然后在该目录进行操作。

在其他的docker服务器加载镜像

docker load -i chatglm3-6b.tar

启动

docker run -itd --name chatglm3 -v `pwd`/ChatGLM3:/data \--gpus=all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all \-p 8501:8501 -p 8000:8000 chatglm3-6b:1.1

进入容器

docker exec -it chatglm3 bash

启动

cd /data streamlit run basic_demo/web_demo2.py

访问：http://10.22.2.18:8501/

微调

微调操作直接在docker内进行

 docker exec -it chatglm3 bash

前提

运行示例需要 python>=3.9，除基础的 torch 依赖外，示例代码运行还需要依赖

pip install transformers==4.30.2 accelerate sentencepiece astunparse deepspeed

微调和验证文件准备

微调参数文件为.json文件，先将你的微调数据和验证数据处理成如下格式：

{"content": "类型#裤*版型#宽松*风格#性感*图案#线条*裤型#阔腿裤", "summary": "宽松的阔腿裤这两年真的吸粉不少，明星时尚达人的心头爱。毕竟好穿时尚，谁都能穿出腿长2米的效果宽松的裤腿，当然是遮肉小能手啊。上身随性自然不拘束，面料亲肤舒适贴身体验感棒棒哒。系带部分增加设计看点，还让单品的设计感更强。腿部线条若隐若现的，性感撩人。颜色敲温柔的，与裤子本身所呈现的风格有点反差萌。"}{"content": "类型#裙*风格#简约*图案#条纹*图案#线条*图案#撞色*裙型#鱼尾裙*裙袖长#无袖", "summary": "圆形领口修饰脖颈线条，适合各种脸型，耐看有气质。无袖设计，尤显清凉，简约横条纹装饰，使得整身人鱼造型更为生动立体。加之撞色的鱼尾下摆，深邃富有诗意。收腰包臀,修饰女性身体曲线，结合别出心裁的鱼尾裙摆设计，勾勒出自然流畅的身体轮廓，展现了婀娜多姿的迷人姿态。"}{"content": "类型#上衣*版型#宽松*颜色#粉红色*图案#字母*图案#文字*图案#线条*衣样式#卫衣*衣款式#不规则", "summary": "宽松的卫衣版型包裹着整个身材，宽大的衣身与身材形成鲜明的对比描绘出纤瘦的身形。下摆与袖口的不规则剪裁设计，彰显出时尚前卫的形态。被剪裁过的样式呈现出布条状自然地垂坠下来，别具有一番设计感。线条分明的字母样式有着花式的外观，棱角分明加上具有少女元气的枣红色十分有年轻活力感。粉红色的衣身把肌肤衬托得很白嫩又健康。"}{"content": "类型#裙*版型#宽松*材质#雪纺*风格#清新*裙型#a字*裙长#连衣裙", "summary": "踩着轻盈的步伐享受在午后的和煦风中，让放松与惬意感为你免去一身的压力与束缚，仿佛要将灵魂也寄托在随风摇曳的雪纺连衣裙上，吐露出<UNK>微妙而又浪漫的清新之意。宽松的a字版型除了能够带来足够的空间，也能以上窄下宽的方式强化立体层次，携带出自然优雅的曼妙体验。"}

其中content是向模型输入的内容，summary为模型应该输出的内容。

其中微调数据是通过本批数据对模型进行调试（文件是train.json），验证数据是通过这些数据验证调试的结果（文件是dev.json）。

微调和验证文件格式转换

1、在项目代码的finetune_demo目录下新建一个AdvertiseGen目录，并将你的文件上传上去。

2、然后回到finetune_demo目录，执行以下脚本进行转换，转换后的文件放在formatted_data目录下。

python ./scripts/format_advertise_gen.py --path "AdvertiseGen/train.json"

修改微调脚本

本方法使用的微调脚本是finetune_demo/scripts/finetune_pt.sh，修改各个参数为自己的环境，其中：

PRE_SEQ_LEN： 模型长度，后续使用微调结果加载时要保持一直MAX_SOURCE_LEN：模型输入文本的长度，超过该长度会截取，会影响占用GPU，我这里GPU为16G基本吃满MAX_TARGET_LEN：模型输出文本的最大长度，会影响占用GPU，我这里GPU为16G基本吃满BASE_MODEL_PATH：原模型的地址DATASET_PATH：模型微调参数文件的地址OUTPUT_DIR：模型微调结果存放的地址MAX_STEP：调试的步数，主要跟微调需要的时间有关，越小则时间越短，但微调的准确度（影响度）越小SAVE_INTERVAL：多少步保存一个微调结果

脚本如下：

#! /usr/bin/env bashset -exPRE_SEQ_LEN=128LR=2e-2NUM_GPUS=1MAX_SOURCE_LEN=512MAX_TARGET_LEN=64DEV_BATCH_SIZE=1GRAD_ACCUMULARION_STEPS=32MAX_STEP=1500SAVE_INTERVAL=500DATESTR=`date +%Y%m%d-%H%M%S`RUN_NAME=advertise_gen_ptBASE_MODEL_PATH=/data/chatglm3-6b-modelsDATASET_PATH=formatted_data/advertise_gen.jsonlOUTPUT_DIR=output/${RUN_NAME}-${DATESTR}-${PRE_SEQ_LEN}-${LR}mkdir -p $OUTPUT_DIRtorchrun --standalone --nnodes=1 --nproc_per_node=$NUM_GPUS finetune.py \    --train_format input-output \    --train_file $DATASET_PATH \    --preprocessing_num_workers 1 \    --model_name_or_path $BASE_MODEL_PATH \    --output_dir $OUTPUT_DIR \    --max_source_length $MAX_SOURCE_LEN \    --max_target_length $MAX_TARGET_LEN \    --per_device_train_batch_size $DEV_BATCH_SIZE \    --gradient_accumulation_steps $GRAD_ACCUMULARION_STEPS \    --max_steps $MAX_STEP \    --logging_steps 1 \    --save_steps $SAVE_INTERVAL \    --learning_rate $LR \    --pre_seq_len $PRE_SEQ_LEN 2>&1 | tee ${OUTPUT_DIR}/train.log

执行微调

先给脚本执行权限

chmod -R 777 ./scripts/finetune_pt.sh

执行脚本

./scripts/finetune_ds.sh  # 全量微调./scripts/finetune_pt.sh  # P-Tuning v2 微调

微调完成

结果推理验证

python inference.py \    --pt-checkpoint "/data/finetune_demo/output/advertise_gen_pt-20231123-022517-128-2e-2/checkpoint-1500" \    --model /data/chatglm3-6b-models

报错解决

出现了$‘\r’: command not found错误

可能因为该Shell脚本是在Windows系统编写时，每行结尾是\r\n
而在Linux系统中行每行结尾是\n
在Linux系统中运行脚本时，会认为\r是一个字符，导致运行错误

使用dos2unix 转换一下就可以了

dos2unix <文件名># dos2unix: converting file one-more.sh to Unix format ...

-bash: dos2unix: command not found

就是还没安装，安装一下就可以了

apt install dos2unix

加载微调模型

cd ../composite_demoMODEL_PATH="/data/chatglm3-6b-models" PT_PATH="/data/finetune_demo/output/advertise_gen_pt-20231123-022517-128-2e-2/checkpoint-1500" streamlit run main.py

重新访问页面，即可啦~

API接口调用

下载依赖

pip install openai==1.3.0pip install pydantic==2.5.1

进入openai_api_demo目录

修改脚本

启动脚本

python openai_api_wt.py

访问SwaggerUI地址

http://10.22.2.18:8000/docs#/default/list_models_v1_models_get

接口：http://10.22.2.18:8000/v1/chat/completions

参数：

{    "model": "chatglm3-6b",    "messages": [        {            "role": "user",            "content": "你好，给我讲一个故事，大概100字"  # 这里是请求的参数        }    ],    "stream": false,    "max_tokens": 100,    "temperature": 0.8,    "top_p": 0.8}

阅读本书更多章节>>>>

本文链接：https://www.kjpai.cn/gushi/2024-03-31/151797.html，文章来源：网络cs，作者：欧阳逸，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！