wehub-resource-sync
249 lines
8.7 KiB
Markdown
249 lines
8.7 KiB
Markdown
# InternLM3-8B-instruct FastAPI部署
|
|
|
|
InternLM3 开源了一个具有 80 亿参数的指令模型，名为 **InternLM3-8B-Instruct**，旨在用于通用任务和高级推理。该模型具有以下特点：
|
|
|
|
- **在降低成本的同时提升性能**：在推理和知识密集型任务中，表现超越了像 Llama3.1-8B 和 Qwen2.5-7B 等模型。值得注意的是，InternLM3 仅在 4 万亿高质量标记上进行训练，比其他同规模的语言模型节省了超过 75% 的训练成本。
|
|
- **深度思考能力**：InternLM3 支持两种模式：一种是通过长链思维解决复杂推理任务的深度思考模式，另一种是用于流畅用户交互的正常响应模式。
|
|
|
|
## 环境配置
|
|
|
|
实验所依赖的基础开发环境如下：
|
|
|
|
```
|
|
----------------
|
|
ubuntu 22.04
|
|
Python 3.12.3
|
|
cuda 12.1
|
|
pytorch 2.3.0
|
|
----------------
|
|
```
|
|
> 本文默认学习者已安装好以上 Pytorch(cuda) 环境，如未安装请自行安装。
|
|
|
|
首先 `pip` 换源加速下载并安装依赖包：
|
|
|
|
```shell
|
|
# 升级pip
|
|
python -m pip install --upgrade pip
|
|
# 更换 pypi 源加速库的安装
|
|
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
|
|
|
|
# FastAPI 相关依赖
|
|
pip install requests==2.32.3
|
|
pip install fastapi==0.104.1
|
|
pip install uvicorn==0.24.0
|
|
|
|
# Langchain 相关依赖
|
|
pip install langchain==0.3.7
|
|
|
|
# WebDemo 相关依赖
|
|
pip install streamlit==1.41.1
|
|
|
|
# LoRA微调 相关依赖
|
|
pip install peft==0.11.1 # 用于 LoRA 微调
|
|
|
|
# 通用依赖
|
|
pip install modelscope==1.22.0 # 用于模型下载和管理
|
|
pip install transformers==4.47.1 # Hugging Face 的模型库，用于加载和训练模型
|
|
pip install sentencepiece==0.2.0 # 用于处理文本数据
|
|
pip install accelerate==0.34.2 # 用于分布式训练和混合精度训练
|
|
pip install datasets==2.20.0 # 用于加载和处理数据集
|
|
```
|
|
|
|
> 考虑到部分同学配置环境可能会遇到一些问题，我们在 AutoDL 平台准备了 InternLM3-8b-Instruct 的环境镜像，点击下方链接并直接创建 AutoDL 示例即可。
|
|
> ***https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-internlm3***
|
|
|
|
## 模型下载
|
|
|
|
`modelscope` 是一个模型管理和下载工具，支持从魔搭 (Modelscope) 等平台快速下载模型。
|
|
|
|
这里使用 `modelscope` 中的 `snapshot_download` 函数下载模型，第一个参数 `model_name_or_path` 为模型名称或者本地路径，第二个参数 `cache_dir` 为模型的下载路径，第三个参数 `revision` 为模型的版本号。
|
|
|
|
在 `/root/autodl-tmp` 路径下新建 `model_download.py` 文件并在其中粘贴以下代码，并保存文件。
|
|
|
|
```python
|
|
from modelscope import snapshot_download
|
|
|
|
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm3-8b-instruct', cache_dir='./', revision='master')
|
|
```
|
|
|
|
> 注意：记得修改 cache_dir 为你的模型下载路径哦~
|
|
|
|
在终端运行 `python /root/autodl-tmp/model_download.py` 执行下载，模型大小为 18GB 左右，下载模型大概需要5-30分钟。
|
|
|
|
## 代码准备
|
|
|
|
新建 `api.py` 文件并在其中输入以下内容，粘贴代码后请及时保存文件。记得将tokenizer和model的路径改成上面模型下载的cache_dir的路径。以下代码有很详细的注释，大家如有不理解的地方，欢迎提出 issue 。
|
|
|
|
```python
|
|
from fastapi import FastAPI, Request
|
|
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
|
|
import uvicorn
|
|
import json
|
|
import datetime
|
|
import torch
|
|
|
|
# 设置设备参数
|
|
DEVICE = "cuda" # 使用CUDA
|
|
DEVICE_ID = "0" # CUDA设备ID，如果未设置则为空
|
|
CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE # 组合CUDA设备信息
|
|
|
|
# 清理GPU内存函数
|
|
def torch_gc():
|
|
if torch.cuda.is_available(): # 检查是否可用CUDA
|
|
with torch.cuda.device(CUDA_DEVICE): # 指定CUDA设备
|
|
torch.cuda.empty_cache() # 清空CUDA缓存
|
|
torch.cuda.ipc_collect() # 收集CUDA内存碎片
|
|
|
|
# 创建FastAPI应用
|
|
app = FastAPI(
|
|
title="InternLM Chat API",
|
|
description="API for InternLM 3 chat model",
|
|
version="1.0.0"
|
|
)
|
|
|
|
# 添加GET方法的根路由
|
|
@app.get("/")
|
|
async def root():
|
|
return {
|
|
"message": "Welcome to InternLM Chat API",
|
|
"status": "healthy",
|
|
"timestamp": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
|
|
}
|
|
|
|
# 处理POST请求的端点
|
|
@app.post("/v1/chat")
|
|
async def create_chat(request: Request):
|
|
global model, tokenizer # 声明全局变量以便在函数内部使用模型和分词器
|
|
json_post_raw = await request.json() # 获取POST请求的JSON数据
|
|
json_post = json.dumps(json_post_raw) # 将JSON数据转换为字符串
|
|
json_post_list = json.loads(json_post) # 将字符串转换为Python对象
|
|
prompt = json_post_list.get('prompt') # 获取用户的问题
|
|
# 构建对话模板
|
|
messages = [
|
|
{"role": "system", "content": "You are a helpful assistant."},
|
|
{"role": "user", "content": prompt},
|
|
]
|
|
tokenized_chat = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
|
|
generated_ids = model.generate(tokenized_chat, max_new_tokens=1024, temperature=1, repetition_penalty=1.005, top_k=40, top_p=0.8)
|
|
generated_ids = [
|
|
output_ids[len(input_ids):] for input_ids, output_ids in zip(tokenized_chat, generated_ids)
|
|
]
|
|
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
|
|
now = datetime.datetime.now() # 获取当前时间
|
|
time = now.strftime("%Y-%m-%d %H:%M:%S") # 格式化时间为字符串
|
|
# 构建响应JSON
|
|
answer = {
|
|
"response": response,
|
|
"status": 200,
|
|
"time": time
|
|
}
|
|
# 构建日志信息
|
|
log = "[" + time + "] " + '", prompt:"' + prompt + '", response:"' + repr(response) + '"'
|
|
print(log) # 打印日志
|
|
torch_gc() # 执行GPU内存清理
|
|
return answer # 返回响应
|
|
|
|
# 主函数入口
|
|
if __name__ == '__main__':
|
|
# 加载预训练的分词器和模型
|
|
model_path = '/root/autodl-tmp/Shanghai_AI_Laboratory/internlm3-8b-instruct'
|
|
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
|
|
model = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=torch.float16, trust_remote_code=True).cuda()
|
|
model = model.eval()
|
|
|
|
# 启动FastAPI应用
|
|
# 用6006端口可以将autodl的端口映射到本地，从而在本地使用api
|
|
uvicorn.run(app, host='0.0.0.0', port=6006, workers=1) # 在指定端口和主机上启动应用
|
|
```
|
|
|
|
|
|
|
|
然后在当前文件的路径下面运行:
|
|
|
|
```python
|
|
python api.py
|
|
```
|
|
|
|
出现下面的信息就说明成功运行了。
|
|
|
|
|
|
|
|
|
|
|
|
## 调用API
|
|
|
|
默认部署在 6006 端口，通过 POST 方法进行调用。可以使用命令行curl和代码的方式来调用。
|
|
|
|
命令行:
|
|
|
|
```shell
|
|
curl -X POST "http://localhost:6006/v1/chat" \
|
|
-H 'Content-Type: application/json' \
|
|
-d '{"prompt": "你好"}'
|
|
```
|
|
|
|
或者使用实际IP地址：
|
|
|
|
```shell
|
|
curl -X POST "http://<your-ip>:6006/v1/chat" \
|
|
-H 'Content-Type: application/json' \
|
|
-d '{"prompt": "你好"}'
|
|
```
|
|
|
|
返回结果:
|
|
|
|
|
|
|
|
|
|
|
|
使用 python 中的 requests 库进行调用，创建 `request.py` 文件，复制下面的代码，运行 `python request.py` 。
|
|
|
|
```python
|
|
import requests
|
|
import json
|
|
|
|
def get_completion(prompt):
|
|
headers = {'Content-Type': 'application/json'}
|
|
data = {"prompt": prompt}
|
|
response = requests.post(url='http://127.0.0.1:6006/v1/chat', headers=headers, data=json.dumps(data))
|
|
return response.json()['response']
|
|
|
|
if __name__ == '__main__':
|
|
print(get_completion('你好'))
|
|
```
|
|
|
|
返回结果:
|
|
|
|
|
|
|
|
同时, 这是我们部署的FastAPI的Terminal页面, 还可以看到如下信息
|
|
|
|
|
|
|
|
这里简要对上述控制台信息进行解释:
|
|
|
|
```
|
|
INFO: ... "GET /_stcore/health HTTP/1.1" 404 Not Found
|
|
INFO: ... "GET /_stcore/host-config HTTP/1.1" 404 Not Found
|
|
```
|
|
- 这些是来自 Streamlit 的健康检查请求，返回 404 是正常的，因为我们的 FastAPI 服务器没有实现这些端点
|
|
- 这表明可能有 Streamlit 应用试图连接到这个端口，但这不影响我们的 API 功能
|
|
|
|
```
|
|
INFO: ... "POST / HTTP/1.1" 405 Method Not Allowed
|
|
```
|
|
- 这是失败的API调用记录
|
|
- 显示了请求时间、用户输入和模型响应
|
|
- 405 Method Not Allowed 表示请求方法不允许
|
|
- 有请求试图向根路径 ("/") 发送 POST 请求
|
|
- 返回 405 是因为我们只在根路径定义了 GET 方法，而不是 POST
|
|
|
|
```
|
|
[2025-01-19 12:40:08] ", prompt:"你好", response:"'你好！很高兴见到你。有什么我可以帮助你的吗？'"
|
|
INFO: ... "POST /v1/chat HTTP/1.1" 200 OK
|
|
```
|
|
|
|
- 这是成功的API调用记录
|
|
- 显示了请求时间、用户输入和模型响应
|
|
- 200 OK 表示请求成功处理
|