在阿里云GPU云服务器上基于Alpaca大模型搭建个人版“对话大模型”

本教程介绍如何在阿里云GPU云服务器上基于Alpaca大模型快速搭建个人版“对话大模型”

背景信息

Alpaca大模型是一款基于LLaMA的大语言模型,它可以模拟自然语言进行对话交互,并协助用户完成写作、翻译、编写代码、生成脚本等一系列创作任务。同时,使用了中文数据进行二次预训练,提升了中文基础语义理解能力。

本文基于阿里云GPU服务器和Alpaca大模型,指导您如何快速搭建个人版“对话大模型”。

image..png

重要
  • 阿里云不对第三方模型Alpaca大模型的合法性、安全性、准确性进行任何保证,阿里云不对由此引发的任何损害承担责任。

  • 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。

操作步骤

创建并配置ECS实例

  1. ECS实例创建页面,创建ECS实例。

    关键参数说明如下,其他参数的配置,请参见自定义购买实例

    • 实例规格:选择实例规格为ecs.gn7i-c16g1.4xlarge

    • 镜像:公共镜像Ubuntu 22.04,并选中安装GPU驱动,选择CUDA 版本12.1.1/Driver 版本535.154.05/CUDNN 版本8.9.7.29

      image..png

    • 系统盘:不小于200 GiB。

    • 公网IP:选中分配公网IPv4地址,带宽计费方式选择按使用流量,带宽峰值选择100 Mbps,以加快模型下载速度。

      image..png

  2. 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7860端口。具体操作,请参见添加安全组规则

    image..png

  3. 查看驱动以及CUDA库是否安装成功。

    1. 使用root用户远程登录ECS实例。具体操作,请参见通过密码或密钥认证登录Linux实例

      首次登录ECS实例时,系统会自动安装驱动。当显示如下图所示的回显信息时,表示驱动以及CUDA库已安装成功。

      重要
      • 系统自动安装驱动以及CUDA库时,请不要手动操作或者重启实例,否则可能会导致驱动或者CUDA库安装失败。等到安装驱动以及CUDA库完成以后,系统会自动重启。

      • 如果创建完ECS实例后,没有立即远程登录ECS实例,可能看不到类似下图的回显信息。

      image

    2. 再次使用root用户远程登录ECS实例。具体操作,请参见通过密码或密钥认证登录Linux实例

    3. 执行以下命令,查看GPU驱动的版本。

      nvidia-smi

      回显信息类似下图所示。

      image..png

    4. 执行以下命令,查看CUDA库的版本。

      nvcc -V

      回显信息如下图所示。

      image

配置软件

  1. 安装Python 3.11并升级pip。

    1. 分别执行以命令,安装Python 3.11。

      apt-get update
      apt-get upgrade
      apt install -y python-is-python3 # 将默认Python改成Python3
      apt install -y software-properties-common   # 安装software-properties-common软件包
      add-apt-repository ppa:deadsnakes/ppa       # 添加PPA存储库
      apt -y install python3.11       # 安装Python 3.11
      update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.11 1 # 设置默认Python为Python 3.11
    2. 执行如下命令,查看Python版本。

      python --version

      当回显如下所示时,表示已安装Python 3.11.9。

      image.png

    3. 分别执行以命令,升级pip。

      wget https://bootstrap.pypa.io/get-pip.py
      python3.11 get-pip.py
  2. 执行以下命令,安装Git和Git LFS软件。

    apt install -y git git-lfs python3.11-distutils
  3. 依次执行以下命令,安装模型所需要的Python包。

    sudo apt-get install pkg-config cmake
    sudo apt-get install python3.11-dev
    pip install git+https://github.com/huggingface/transformers
    pip install sentencepiece==0.1.97 -i https://mirrors.aliyun.com/pypi/simple
    pip install peft==0.10.0 -i https://mirrors.aliyun.com/pypi/simple
    重要

    从GitHub上下载Transformers库,由于网络原因偶尔可能会不成功,建议您多尝试几次。

  4. 在PyTorch环境下验证GPU是否正常工作。

    1. 执行以下命令,进入Python运行环境。

      python
    2. 执行以下命令,验证GPU是否正常工作。

      import torch
      torch.cuda.is_available()

      返回True,表示GPU正常工作。

      image

    3. 执行以下命令,退出Python。

      quit()

下载与配置模型

  1. 依次执行以下命令,下载tmux并创建一个tmux session。

    apt install -y tmux
    tmux
    重要

    下载模型耗时较长,建议在tmux session中下载,以免ECS断开连接导致下载中断。

  2. 执行以下命令,下载Chinese-LLaMA-Alpaca模型。

    git clone https://github.com/ymcui/Chinese-LLaMA-Alpaca.git
  3. 执行以下命令,下载chinese-alpaca-lora-13b模型。

    git clone https://www.modelscope.cn/ChineseAlpacaGroup/chinese-alpaca-lora-13b.git
  4. 依次执行以下命令,下载llama-13b-hf。

    llama-13b-hf是预训练的llama 13b模型,已经转换成了Huggingface的模型格式。下载llama-13b-hf大约有40 GiB的数据,预估下载时间约30分钟,请您耐心等待。

    重要

    LLaMA是第三方提供的Huggingface格式的预训练模型数据。Meta官方发布的LLaMA模型禁止商用,并且官方暂时还没有正式开源模型权重。这里使用这个下载链接只为做演示使用,不承担任何法律责任。

    pip install -U huggingface_hub
    pip install -U hf-transfer
    export HF_ENDPOINT=https://hf-mirror.com
    export HF_HUB_ENABLE_HF_TRANSFER=1
    huggingface-cli download --resume-download --local-dir-use-symlinks False yahma/llama-13b-hf --local-dir llama-13b-hf
  5. 依次执行以下命令,合并代码。

    cd Chinese-LLaMA-Alpaca/
    python scripts/merge_llama_with_chinese_lora.py --base_model ~/llama-13b-hf/ \
            --lora_model ~/chinese-alpaca-lora-13b/ --output_type huggingface \
            --output_dir ./llama_with_lora_hf

    命令行中需要用--output_dir命令指定一个输出目录,本示例中输出目录为/root/Chinese-LLaMA-Alpaca/llama_with_lora_hf 。转换需要一段时间,需要耐心等待。

  6. 执行以下命令,查看转换完成后的文件。

    ls -lh llama_with_lora_hf

    image

部署WebUI

  1. 执行以下命令,在/root目录或者您的工作目录,下载WebUI并且进行代码部署。

    cd
    git clone https://github.com/oobabooga/text-generation-webui.git
  2. 执行以下命令,安装代码及依赖库。

    重要

    安装代码及依赖库涉及从GitHub下载代码,可能会因为网络原因运行失败,请多试几次。

    cd text-generation-webui/
    pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple
    pip install datasets gradio rich bitsandbytes -i https://mirrors.aliyun.com/pypi/simple/
  3. 执行以下命令,在models目录下面生成一个软链接,指向合并后模型数据的目录。

    ln -s /root/Chinese-LLaMA-Alpaca/llama_with_lora_hf/ models/llama_with_lora_hf

    参数说明如下:

    • /root/Chinese-LLaMA-Alpaca/llama_with_lora_hf/:指的是合并模型存放的目录,您可以从合并代码步骤获取。

    • models/llama_with_lora_hf:指的是模型名称,您可以修改成其他名称。

验证结果

完成以上操作后,您已经成功完成了WebUI部署和个人版对话大模型的搭建。您可以在WebUI页面进行验证。

  1. 执行以下命令,运行WebUI。

    cd text-generation-webui/
    python server.py --model llama_with_lora_hf --listen --chat --load-in-8bit

    参数说明如下:

    • --model:指定的是步骤3生成的软链接的名称,不需要带前面的model/目录名。本示例软链接的名称为llama_with_lora_hf

    • --listen:用于设置WebUI监听所有外部IP(不配置--listen默认只能监听本地IP),以实现从实例外访问WebUI。默认监听端口是7860,您可通过--listen-port来指定其他监听端口。

    • --chat:用于指定默认的运行模式,本文示例为对话模式(可按需尝试其他模式)。

    • --load-in-8bit:用于指定以8 bit模式加载模型。正常加载13B模型需要26 GB以上显存,A10显卡只有24 GB,所以需要以8bit模式加载,模型占用显存大约为15 GB。

    当显示如下图所示的回显信息时,表示运行WebUI成功。

    image

  2. ECS实例页面,获取ECS实例的公网IP地址。

    image

  3. 在浏览器中输入http://<ECS实例公网IP地址>:7860,即可访问个人版对话大模型。

    您可以输入相应的问题和AI机器人进行对话。

    image

了解更多AIGC实践和GPU优惠

活动入口立即开启AIGC之旅

image..png