使用阿里云c8i实例单机部署Qwen-72B-Chat进行AI对话_云服务器 ECS(ECS)-阿里云帮助中心

本文介绍如何使用阿里云第八代Intel实例，基于BigDL-LLM单机部署通义千问Qwen-72B-Chat语言模型进行AI对话。

背景信息

什么是Qwen-72B-Chat

通义千问-72B（Qwen-72B）是阿里云研发的通义千问大模型系列的720亿参数规模模型。Qwen-72B的预训练数据类型多样、覆盖广泛，包括大量网络文本、专业书籍、代码等。而Qwen-72B-Chat是在Qwen-72B的基础上，使用对齐机制打造的基于大语言模型的AI助手，是通义千问对外开源的72B规模参数量的经过人类指令对齐的Chat模型。

什么是BigDL-LLM

BigDL-LLM是一个专为大型语言模型优化设计的加速库，它提供了多种低精度优化选项（例如 INT4、INT5、INT8等），并可利用Intel^® CPU集成的多种硬件加速技术（例如AVX、VNNI、AMX等）以及最新的软件优化，从而赋能大语言模型在Intel^® 平台上实现更高效的优化和更快速的运行。

重要

Qwen-72B-Chat模型依照LICENSE开源，免费商用需填写商业授权申请。您应自觉遵守第三方模型的用户协议、使用规范和相关法律法规，并就使用第三方模型的合法性、合规性自行承担相关责任。

创建ECS实例

前往实例创建页。
按照界面提示完成参数配置，创建一台ECS实例。
需要注意的参数如下，其他参数的配置，请参见自定义购买实例。
- 实例：Qwen-72B-Chat大概需要70 GiB内存，为了保证模型运行的稳定，建议选择192 GiB内存或以上的实例规格，本文以ecs.c8i.24xlarge为例。
- 镜像：Alibaba Cloud Linux 3.2104 LTS 64位。
- 公网IP：选中分配公网IPv4地址，带宽计费模式选择按使用流量，带宽峰值设置为100 Mbps。以加快模型下载速度。
- 数据盘：Qwen-72B-Chat的运行需要下载多个模型文件，会占用大量存储空间，为了保证模型顺利运行，建议数据盘设置为300 GiB。
添加安全组规则。
在ECS实例安全组的入方向添加安全组规则并放行22、443、7860端口（用于访问WebUI服务）。具体操作，请参见添加安全组规则。
创建完成后，在ECS实例页面，获取公网IP地址。
说明
公网IP地址用于进行AI对话时访问WebUI服务。

部署Qwen-72B-Chat

步骤一：配置运行环境

远程连接ECS实例。
具体操作，请参见通过密码或密钥认证登录Linux实例。
安装Docker。
具体操作，请参见安装Docker并使用（Linux）。
执行以下命令，从docker hub中下载bigdl-llm-serving-cpu镜像。
说明
bigdl-llm-serving-cpu镜像中已包含运行通义千问所需的环境，启动容器后可直接使用。
```
sudo docker pull intelanalytics/bigdl-llm-serving-cpu:2.5.0-SNAPSHOT
```
执行以下命令，查看并验证bigdl-llm-serving-cpu镜像是否下载成功。
```
sudo docker images
```
若在系统返回信息中，存在如下镜像，则表示bigdl-llm-serving-cpu镜像下载成功。

步骤二：下载Qwen-72B-Chat预训练模型

执行以下命令，安装tmux命令。
```
sudo yum install tmux -y
```
执行以下命令，创建一个tmux session窗口。
```
tmux
```
说明
下载预训练模型耗时较长，且成功率受网络情况影响较大，建议在tmux session中下载，以免ECS断开连接导致下载模型中断。
执行以下任一命令，下载Qwen-72B-Chat预训练模型。
说明
- 使用Git方式下载会产生较大的中间文件，为了节约数据盘空间，建议您使用Python脚本下载。
- 通过公网下载Qwen-72B-Chat预训练模型，因模型数据较大，使用100 Mbps带宽下载时间大约为3小时，请耐心等待。
使用Python脚本下载
1. 执行以下命令，下载miniconda安装包。
```
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
```
2. 执行以下命令，安装miniconda。
```
bash Miniconda3-latest-Linux-x86_64.sh
```
3. 执行以下命令，激活miniconda。
```
source ~/.bashrc
```
  若命令行首部出现(base)标识，则表示miniconda激活成功。
4. 执行以下命令，安装pip命令。
```
sudo yum install -y python3-pip
```
  依次执行以下命令，升级pip工具、setuptools和wheel库。
```
sudo pip3 install --upgrade pip
sudo pip3 install --upgrade setuptools wheel
```
5. miniconda安装成功后，在conda环境中安装modelscope。
```
pip3 install modelscope
```
6. 执行Python脚本，下载Qwen-72B-Chat预训练模型。
  1. 执行以下命令，创建Python脚本文件test.py。
    sudo vim test.py
  2. 按i键进入编辑模式，添加以下内容。
    from modelscope import snapshot_download model_dir = snapshot_download('qwen/Qwen-72B-Chat') print(model_dir)
  3. 按Esc键退出编辑模式，然后输入:wq保存并退出。
  4. 执行以下命令，运行Python脚本文件test.py。
    python3 test.py
使用Git下载
1. 执行以下命令，安装Git命令。
```
sudo yum install git -y
```
2. 下载并安装Git LFS，以确保通过Git命令可下载大型文件。
```
curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.rpm.sh | sudo bash
sudo yum install -y git-lfs
```
3. 执行以下命令，验证Git LFS是否安装成功。
```
git lfs version
```
  若系统返回Git LFS的版本信息，则表示成功安装。
4. 执行以下命令，下载Qwen-72B-Chat预训练模型。
```
sudo git clone https://www.modelscope.cn/qwen/Qwen-72B-Chat.git Qwen-72b-chat
```
执行以下命令，查看Qwen-72B-Chat预训练模型所在目录路径。
```
ls -l
```

步骤三：启动并进入BigDL-LLM Docker容器

编写Docker容器启动脚本文件。
1. 执行以下命令，新建并编辑start-container.sh脚本文件。
```
sudo vim start-container.sh
```
2. 按i键进入编辑模式，添加以下信息。
```
export MODEL_PATH=[YOUR_MODEL_PATH]

sudo docker run -itd \
        --net=host \
        --privileged \
        --cpuset-cpus="0-47" \
        --cpuset-mems="0" \
	  --name="qwen-llm" \
        --shm-size="16g" \
        -v $MODEL_PATH:/models \
        -e ENABLE_PERF_OUTPUT="true" \
        intelanalytics/bigdl-llm-serving-cpu:2.5.0-SNAPSHOT
```
  说明
  参数说明如下：
  - MODEL_PATH：请您根据实际情况，将[YOUR_MODEL_PATH]替换为上述步骤二中3.查询到Qwen-72B-Chat预训练模型的绝对路径。
  - $MODEL_PATH：启动Docker容器时会将Host的模型挂载到容器的/models目录下。
  - cpuset-cpus：指定使用的CPU核心。
  - cpuset-mems：指定使用的NUMA内存节点编号。
  您可以使用 lscpu 命令来查询CPU核心数量和NUMA内存节点编号。
3. 按Esc键退出编辑模式，然后输入:wq保存并退出。
执行以下命令，启动Docker容器。
```
sudo bash start-container.sh
```
执行以下命令，查看Docker容器启动情况。
```
sudo docker ps -a
```
若系统返回以下信息，则表示Docker容器启动成功。
执行以下命令，进入Docker容器。
```
sudo docker exec -it qwen-llm bash
```

步骤四：基于BigDL-LLM与Qwen-72B-Chat进行AI对话

依次执行以下命令，完成优化操作。

说明

在进行AI对话前，您需要对部分环境变量进行设置以在Intel CPU上实现优化效果，并对线程进行优化。

source bigdl-llm-init -t
export OMP_NUM_THREADS=[使用的cpu核心数]   #本示例使用cpu核心数为48，请根据实际情况，将[使用的cpu核心数]替换为合适的cpu核心数。

与Qwen-72B-Chat进行AI对话。
在实例内部进行AI对话
依次执行以下命令，进入终端与Qwen-72B-Chat进行AI对话。
```
cd /llm/portable-zip
python3 chat.py --model-path /models/Qwen-72B-Chat
```
说明
Qwen-72B-Chat预训练模型会在加载时自动转换为int4格式。
在浏览器进行AI对话
1. 执行如下命令，开启WebUI服务。
```
python3 -m fastchat.serve.controller &
python3 -m bigdl.llm.serving.model_worker --model-path /models/Qwen-72B-Chat --device cpu &
python3 -m fastchat.serve.gradio_web_server 
```
  说明
  在加载model worker时，系统会自动将模型量化为int4格式，无需进行手动转换。
2. 在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。
3. 在页面对话框中，输入对话内容，即可开始AI对话。

背景信息

创建ECS实例

部署Qwen-72B-Chat

步骤一：配置运行环境

步骤二：下载Qwen-72B-Chat预训练模型

使用Python脚本下载

使用Git下载

步骤三：启动并进入BigDL-LLM Docker容器

步骤四：基于BigDL-LLM与Qwen-72B-Chat进行AI对话

在实例内部进行AI对话

在浏览器进行AI对话