ChatGLM2-6b的本地部署

** 大模型玩了一段时间了，一直没有记录，借假期记录下来 **

ChatGlm2介绍：

chatglm2是清华大学发布的中英文双语对话模型，具备强大的问答和对话功能，拥有长达32K的上下文，可以输出比较长的文本。6b的训练参数量为60亿，本地部署大约需要12G以上的显存才能运行起来，但6b提供了一个量化后的int4版本，实测推理仅需要6gb即可。int4版本对于某些老旧的或者不支持int4的GPU而言运行不了，在额外的blog里面会记录如何修改使其运行起来。

硬件需求

要确保自己有超过32G的内存，超过12G的显存且显卡支持float16计算，以及足够的硬盘空间

模型部署

代码下载

git clone https://github.com/THUDM/ChatGLM2-6B

cd ChatGLM2-6B

环境配置

conda create -n torch python=3.10 ipykernel
conda activate torch
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simlple

模型下载

建议使用这样的方式，同时这也解决了国内无法访问huggingface的问题：

或者直接从清华的数据库进行下载：清华云
如果速度不够快，也可以用paddle，阿里云进行下载，实际测试发现，阿里云下载下来的模型容易出错，慎用。
模型下载下来以后，直接放在文件夹下面即可！

配置GPU

查看设备：

torch2.0以上需要CUDA12以上的支持，故安装一个比较高版本的CUDA即可解决问题，因为CUDA是向下兼容的，即CUDA12.2支持CUDA11.8，同时要选择合适的CUDNN，通常CUDA12.2对应的CUDNN为8.8.0以上。

检查GPU是否可用

import torch
torch.cuda.is_available()

开始本地测试

测试web

如果是在本地电脑上，可以不修改服务器的端口，负责要在lauch中修改server_name为0.0.0.0或所用电脑的ip。

jupyter

至此，本地部署完成。
后期将陆续更新：
如何将int4版本做修改让其跑起来；
如何基于peft做微调；
如何基于prompt做微调