部署通义千问Qwen-VL-Chat_云服务器 ECS(ECS)-阿里云帮助中心

本文介绍如何使用阿里云AMD CPU云服务器（g8a）和龙蜥容器镜像，基于通义千问Qwen-VL-Chat搭建个人版视觉AI服务助手。

背景信息

Qwen-VL是阿里云研发的大规模视觉语言模型（Large Vision Language Model）。Qwen-VL可以以图像、文本、检测框作为输入，并以文本和检测框作为输出。在Qwen-VL的基础上，利用对齐机制打造出基于大语言模型的视觉AI助手Qwen-VL-Chat，它支持更灵活的交互方式，包括多图、多轮问答、创作等能力，天然支持英文、中文等多语言对话，支持多图输入和比较，指定图片问答，多图文学创作等。

重要

Qwen-VL-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-VL-Chat模型的推理过程需要耗费大量的计算资源，运行时占用大量内存，为了保证模型运行的稳定，实例规格至少需要选择ecs.g8a.4xlarge（64 GiB内存）。
- 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。
- 系统盘：Qwen-VL-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，建议系统盘设置为100 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。

创建Docker运行环境

远程连接该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，请参见在Alibaba Cloud Linux 3实例中安装Docker。
创建并运行PyTorch AI容器。
龙蜥社区提供了丰富的基于Anolis OS的容器镜像，包括针对AMD优化过的PyTorch镜像，您可以直接使用该镜像直接创建一个PyTorch运行环境。
以下命令首先拉取容器镜像，随后使用该镜像创建一个以分离模式运行的、名为pytorch-amd的容器，并将用户的家目录映射到容器中，以保留开发内容。
```
sudo docker pull registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
sudo docker run -d -it --name pytorch-amd --net host -v $HOME:/root registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
```

部署Qwen-VL-Chat

手动部署

步骤一：安装配置模型所需软件

进入容器环境。
```
sudo docker exec -it -w /root pytorch-amd /bin/bash
```
重要
后续命令需在容器环境中执行，如意外退出，请使用以上命令重新进入容器环境。如需查看当前环境是否为容器，可以执行cat /proc/1/cgroup | grep docker查询（有回显信息则为容器环境）。

安装部署Qwen-VL-Chat所需的软件。

yum install -y git git-lfs wget tmux gperftools-libs anolis-epao-release

启用Git LFS。
下载预训练模型需要Git LFS的支持。
```
git lfs install
```

步骤二：下载源码与模型

创建一个tmux session。
```
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。

下载Qwen-VL-Chat项目源码，以及预训练模型。

git clone https://github.com/QwenLM/Qwen-VL.git
git clone https://www.modelscope.cn/qwen/Qwen-VL-Chat.git qwen-vl-chat

查看当前目录。
```
ls -l 
```
下载完成后，当前目录显示如下。

步骤三：部署运行环境

更换pip下载源。

在安装依赖包之前，建议您更换pip下载源以加速安装。

创建pip文件夹。
```
mkdir -p ~/.config/pip
```

配置pip安装镜像源。

cat > ~/.config/pip/pip.conf <<EOF
[global]
index-url=http://mirrors.cloud.aliyuncs.com/pypi/simple/

[install]
trusted-host=mirrors.cloud.aliyuncs.com
EOF

安装Python运行依赖。

yum install -y python3-transformers python-einops
pip install tiktoken transformers_stream_generator accelerate gradio

设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。
ZenDNN运行库需要针对硬件平台显式设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。
```
cat > /etc/profile.d/env.sh <<EOF
export OMP_NUM_THREADS=\$(nproc --all)
export GOMP_CPU_AFFINITY=0-\$(( \$(nproc --all) - 1 ))
EOF
source /etc/profile
```

步骤四：进行AI对话

执行如下命令，开启WebUI服务。

cd ~/Qwen-VL
export LD_PRELOAD=/usr/lib64/libtcmalloc.so.4
python3 web_demo_mm.py -c=${HOME}/qwen-vl-chat/ --cpu-only --server-name=0.0.0.0 --server-port=7860

当出现如下信息时，表示WebUI服务启动成功。

在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。
单击Upload(上传文件)上传图片，然后在Input对话框中，输入对话内容，单击Submit（发送），即可开始图片问答、图片检测框标注等。
说明
以下示例远非Qwen-VL-Chat能力的极限，您可以通过更换不同的输入图像和提示词（Prompt），来进一步挖掘Qwen-VL-Chat的能力。

自动化部署

阿里云提供了自动部署脚本，可以一键部署运行Qwen-VL-Chat模型。

下载自动部署脚本。

wget https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20231213/owpj/deploy_qwen-vl-chat_amd-docker.sh

进入容器环境。
```
sudo docker exec -it -w /root pytorch-amd /bin/bash
```
重要
后续命令需在容器环境中执行，如意外退出，请使用以上命令重新进入容器环境。如需查看当前环境是否为容器，可以执行cat /proc/1/cgroup | grep docker查询（有回显信息则为容器环境）。
下载tmux并创建一个tmux session。
```
yum install -y tmux
tmux
```
说明
该脚本运行中会下载模型文件，耗时较长，建议在tmux session中启动部署，以免ECS断开连接导致部署中断。
为自动化部署脚本添加执行权限。
```
chmod +x deploy_qwen-vl-chat_amd-docker.sh
```
运行自动化部署脚本。
```
./deploy_qwen-vl-chat_amd-docker.sh
```
当显示结果如下所示时，说明自动部署脚本已完成。
说明
该脚本运行时间较长，在tmux session中进行部署的过程中，如果断开了ECS连接，重新登录ECS实例后执行tmux attach命令即可恢复tmux session，查看脚本运行进度。
在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。
单击Upload(上传文件)，然后在Input对话框中，输入对话内容，单击Submit（发送），即可开始图片问答、图片检测框标注等。
说明
以下示例远非Qwen-VL-Chat能力的极限，您可以通过更换不同的输入图像和提示词（Prompt），来进一步挖掘Qwen-VL-Chat的能力。