1 趣味 Demo 任务列表

本节课可以让同学们实践 4 个主要内容，分别是：

部署 InternLM2-Chat-1.8B 模型进行智能对话
部署实战营优秀作品 八戒-Chat-1.8B 模型
通过 InternLM2-Chat-7B 运行 Lagent 智能体 Demo
实践部署 浦语·灵笔2 模型

2 部署 `InternLM2-Chat-1.8B` 模型进行智能对话

2.1配置环境

进入开发机后，在 terminal 中输入环境配置命令 (配置环境时间较长，需耐心等待)：

studio-conda -o internlm-base -t demo
# 与 studio-conda 等效的配置方案
# conda create -n demo python==3.10 -y
# conda activate demo
# conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

配置完成后，进入到新创建的 conda 环境之中：

conda activate demo

输入以下命令，完成环境包的安装：

pip install huggingface-hub==0.17.3
pip install transformers==4.34 
pip install psutil==5.9.8
pip install accelerate==0.24.1
pip install streamlit==1.32.2 
pip install matplotlib==3.8.3 
pip install modelscope==1.9.5
pip install sentencepiece==0.1.99

2.2 下载 `InternLM2-Chat-1.8B` 模型

按路径创建文件夹，并进入到对应文件目录中：

mkdir -p /root/demo
touch /root/demo/cli_demo.py
touch /root/demo/download_mini.py
cd /root/demo

通过左侧文件夹栏目，双击进入 demo 文件夹。

双击打开 /root/demo/download_mini.py 文件，复制以下代码：

import os
from modelscope.hub.snapshot_download import snapshot_download

# 创建保存模型目录
os.system("mkdir /root/models")

# save_dir是模型保存到本地的目录
save_dir="/root/models"

snapshot_download("Shanghai_AI_Laboratory/internlm2-chat-1_8b", 
                  cache_dir=save_dir, 
                  revision='v1.1.0')

执行命令，下载模型参数文件：

python /root/demo/download_mini.py

PS:这里额外介绍一下snapshot_download方法是什么?

huggingface 官方提供了snapshot_download 方法下载完整模型，参数众多、比较完善。支持断点续传、多线程、指定路径、配置代理、排除特定文件等功能。然而有两个缺点：

1)）该方法依赖于 transformers 库，而这个库是个开发用的库，对于自动化运维有点重；
2）该方法调用比较复杂，参数较多，例如默认会检查用户缓存目录下是否已有对应模型，如已有则会创建符号链接，不理解的容易导致问题。外加需要配置代理。常见参数配置如下：

from huggingface_hub import snapshot_download
snapshot_download(
  repo_id="bigscience/bloom-560m",
  local_dir="/data/user/test",
  proxies={"https": "http://localhost:7890"},
  max_workers=8
)

对于需要登录的模型，还需要两行额外代码：

import huggingface_hub
huggingface_hub.login("HF_TOKEN") # token 从 https://huggingface.co/settings/tokens 获取

2.3 运行 cli_demo

双击打开 /root/demo/cli_demo.py 文件，复制以下代码(添加了部分注释)：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

# 模型路径
model_name_or_path = "/root/models/Shanghai_AI_Laboratory/internlm2-chat-1_8b"

tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True, device_map='cuda:0')
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='cuda:0')
model = model.eval()

# 初始设置系统指令
system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文.
"""
# 创建一个消息
messages = [(system_prompt, '')]

print("=============Welcome to InternLM chatbot, type 'exit' to exit.=============")

while True:
    # 用户输入提示
    input_text = input("\nUser  >>> ")
    # 去除输入中的空格
    input_text = input_text.replace(' ', '')
    # 判断退出条件
    if input_text == "exit":
        break

    length = 0
    # 将用户输入,系统指令提交给模型
    for response, _ in model.stream_chat(tokenizer, input_text, messages):
        if response is not None:
            print(response[length:], flush=True, end="")
            length = len(response)

输入命令，执行 Demo 程序：

conda activate demo
python /root/demo/cli_demo.py

等待模型加载完成，键入内容示例：

请创作一个 300 字的小故事

3 实战：部署实战营优秀作品 `八戒-Chat-1.8B` 模型

3.1 简单介绍 `八戒-Chat-1.8B`、`Chat-嬛嬛-1.8B`、`Mini-Horo-巧耳`（实战营优秀作品）

具体模型链接如下：

八戒-Chat-1.8B：https://www.modelscope.cn/models/JimmyMa99/BaJie-Chat-mini/summary
Chat-嬛嬛-1.8B：https://openxlab.org.cn/models/detail/BYCJS/huanhuan-chat-internlm2-1_8b
Mini-Horo-巧耳：https://openxlab.org.cn/models/detail/SaaRaaS/Horowag_Mini

3.2 配置基础环境

运行环境命令：

conda activate demo

使用 git 命令来获得仓库内的 Demo 文件：

cd /root/
git clone https://gitee.com/InternLM/Tutorial -b camp2
# git clone https://github.com/InternLM/Tutorial -b camp2
cd /root/Tutorial

3.3 下载运行 Chat-八戒 Demo

执行 bajie_download.py：

python /root/Tutorial/helloworld/bajie_download.py

待程序下载完成后，输入运行命令：

streamlit run /root/Tutorial/helloworld/bajie_chat.py --server.address 127.0.0.1 --server.port 6006

我使用的vscode进行远程ssh连接,vscode会自动转发端口,这时直接浏览器访问http://127.0.0.1:6006/即可

4 实战：使用 `Lagent` 运行 `InternLM2-Chat-7B` 模型（开启 30% A100 权限后才可开启此章节）

4.1 初步介绍 Lagent 相关知识

Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。它的整个框架图如下:

Lagent 的特性总结如下：

流式输出：提供 stream_chat 接口作流式输出，本地就能演示酷炫的流式 Demo。
接口统一，设计全面升级，提升拓展性，包括：
Model : 不论是 OpenAI API, Transformers 还是推理加速框架 LMDeploy 一网打尽，模型切换可以游刃有余；
Action: 简单的继承和装饰，即可打造自己个人的工具集，不论 InternLM 还是 GPT 均可适配；
Agent：与 Model 的输入接口保持一致，模型到智能体的蜕变只需一步，便捷各种 agent 的探索实现；
文档全面升级，API 文档全覆盖。

4.2 配置基础环境

开启 conda 环境：

conda activate demo

打开文件子路径

cd /root/demo

使用 git 命令下载 Lagent 相关的代码库：

git clone https://gitee.com/internlm/lagent.git
# git clone https://github.com/internlm/lagent.git
cd /root/demo/lagent
git checkout 581d9fb8987a5d9b72bb9ebd37a95efd47d479ac
pip install -e . # 源码安装

4.3 使用 `Lagent` 运行 `InternLM2-Chat-7B` 模型为内核的智能体

Intern Studio 在 ~/share 文件中预留了实践章节所需要的所有基础模型，包括 InternLM2-Chat-7b 、InternLM2-Chat-1.8b 等等。我们可以在后期任务中使用 share 文档中包含的资源，但是在本章节，为了能让大家了解各类平台使用方法，还是推荐同学们按照提示步骤进行实验。

打开 lagent 路径：

cd /root/demo/lagent

在 terminal 中输入指令，构造软链接快捷访问方式：

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-7b /root/models/internlm2-chat-7b

打开 /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py 文件，并修改对应位置 (71行左右) 代码：

# 其他代码...
value='/root/models/internlm2-chat-7b'
# 其他代码...

输入运行命令 - 点开 6006 链接后，大约需要 5 分钟完成模型加载：

我使用的vscode进行远程ssh连接,vscode会自动转发端口,这时直接浏览器访问http://127.0.0.1:6006/即可

streamlit run /root/demo/lagent/examples/internlm2_agent_web_demo_hf.py --server.address 127.0.0.1 --server.port 6006

打开 http://127.0.0.1:6006 后，（会有较长的加载时间）勾上数据分析，其他的选项不要选择，进行计算方面的 Demo 对话，即完成本章节实战。键入内容示例：

请解方程 2*X=1360 之中 X 的结果

5 实战：实践部署 `浦语·灵笔2` 模型（开启 50% A100 权限后才可开启此章节）

5.1 初步介绍 `XComposer2` 相关知识

浦语·灵笔2 是基于 书生·浦语2 大语言模型研发的突破性的图文多模态大模型，具有非凡的图文写作和图像理解能力，在多种应用场景表现出色，总结起来其具有：

自由指令输入的图文写作能力： 浦语·灵笔2 可以理解自由形式的图文指令输入，包括大纲、文章细节要求、参考图片等，为用户打造图文并貌的专属文章。生成的文章文采斐然，图文相得益彰，提供沉浸式的阅读体验。
准确的图文问题解答能力：浦语·灵笔2 具有海量图文知识，可以准确的回复各种图文问答难题，在识别、感知、细节描述、视觉推理等能力上表现惊人。
杰出的综合能力： 浦语·灵笔2-7B 基于 书生·浦语2-7B 模型，在13项多模态评测中大幅领先同量级多模态模型，在其中6项评测中超过 GPT-4V 和 Gemini Pro。

5.2 配置基础环境

进入开发机，启动 conda 环境：

conda activate demo
# 补充环境包
pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5

PS:我尝试上面补充环境包,提示huggingface-hub包版本冲突,调整包版本也没有解决,于是重新创建了一个dome1环境,并根据下面方式补充包

conda create -n demo1 python==3.10 -y
conda activate demo1
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
pip install accelerate==0.24.1
pip install timm==0.4.12 sentencepiece==0.1.99 markdown2==2.4.10 xlsxwriter==3.1.2 gradio==4.13.0 modelscope==1.9.5

下载 InternLM-XComposer 仓库 相关的代码资源：

cd /root/demo
git clone https://gitee.com/internlm/InternLM-XComposer.git
# git clone https://github.com/internlm/InternLM-XComposer.git
cd /root/demo/InternLM-XComposer
git checkout f31220eddca2cf6246ee2ddf8e375a40457ff626

在 terminal 中输入指令，构造软链接快捷访问方式：

ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-7b /root/models/internlm-xcomposer2-7b
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm-xcomposer2-vl-7b /root/models/internlm-xcomposer2-vl-7b

5.3 图文写作实战（开启 50% A100 权限后才可开启此章节）

继续输入指令，用于启动 InternLM-XComposer：

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_composition.py  \
--code_path /root/models/internlm-xcomposer2-7b \
--private \
--num_gpus 1 \
--port 6006

我使用的vscode进行远程ssh连接,vscode会自动转发端口,这时直接浏览器访问http://127.0.0.1:6006/即可

打开 http://127.0.0.1:6006 实践效果如下图所示：

点击Submit (提交),体验默认提示词生成

此时我们可以看到vscode终端里有输出的过程,感兴趣的可以看一下生成过程

5.4 图片理解实战（开启 50% A100 权限后才可开启此章节）

接下来,我们在vscode中,关闭并重新启动一个新的 terminal，继续输入指令，启动 InternLM-XComposer2-vl：

conda activate demo1

cd /root/demo/InternLM-XComposer
python /root/demo/InternLM-XComposer/examples/gradio_demo_chat.py  \
--code_path /root/models/internlm-xcomposer2-vl-7b \
--private \
--num_gpus 1 \
--port 6006

打开 http://127.0.0.1:6006 (上传图片后) 键入内容示例如下：

请分析一下图中内容

实践效果如下图所示：

作业章节

基础作业 (结营必做)

使用 InternLM2-Chat-1.8B 模型生成 300 字的小故事（需截图）

进阶作业 (优秀学员必做)

熟悉 huggingface 下载功能，使用 huggingface_hub python 包，下载 InternLM2-Chat-7B 的 config.json 文件到本地（需截图下载过程）

import os
from huggingface_hub import hf_hub_download 
hf_hub_download(repo_id="internlm/internlm2-7b", 
    cache_dir="/root/demo/",
    filename="config.json")

完成 浦语·灵笔2 的 图文创作 及 视觉问答 部署（需截图）

完成 Lagent 工具调用 数据分析 Demo 部署（需截图）

MSTG Blog

书生·浦语大模型实战营(第二期)–第二节轻松玩转书生·浦语大模型趣味 Demo

1 趣味 Demo 任务列表

2 部署 `InternLM2-Chat-1.8B` 模型进行智能对话

2.1配置环境

2.2 下载 `InternLM2-Chat-1.8B` 模型

PS:这里额外介绍一下snapshot_download方法是什么?

2.3 运行 cli_demo

3 实战：部署实战营优秀作品 `八戒-Chat-1.8B` 模型

3.1 简单介绍 `八戒-Chat-1.8B`、`Chat-嬛嬛-1.8B`、`Mini-Horo-巧耳`（实战营优秀作品）

3.2 配置基础环境

3.3 下载运行 Chat-八戒 Demo

4 实战：使用 `Lagent` 运行 `InternLM2-Chat-7B` 模型（开启 30% A100 权限后才可开启此章节）

4.1 初步介绍 Lagent 相关知识

4.2 配置基础环境

4.3 使用 `Lagent` 运行 `InternLM2-Chat-7B` 模型为内核的智能体

5 实战：实践部署 `浦语·灵笔2` 模型（开启 50% A100 权限后才可开启此章节）

5.1 初步介绍 `XComposer2` 相关知识

5.2 配置基础环境

5.3 图文写作实战（开启 50% A100 权限后才可开启此章节）

5.4 图片理解实战（开启 50% A100 权限后才可开启此章节）

作业章节

书生·浦语大模型实战营(第二期)–第一节书生·浦语大模型全链路开源体系

书生·浦语大模型实战营(第二期)–第三节基于 InternLM 和 LangChain 搭建你的知识库

Comments NOTHING

取消回复

MSTG Blog

1 趣味 Demo 任务列表

2 部署 InternLM2-Chat-1.8B 模型进行智能对话

2.1配置环境

2.2 下载 InternLM2-Chat-1.8B 模型

PS:这里额外介绍一下snapshot_download方法是什么?

2.3 运行 cli_demo

3 实战：部署实战营优秀作品 八戒-Chat-1.8B 模型

3.1 简单介绍 八戒-Chat-1.8B、Chat-嬛嬛-1.8B、Mini-Horo-巧耳（实战营优秀作品）

3.2 配置基础环境

3.3 下载运行 Chat-八戒 Demo

4 实战：使用 Lagent 运行 InternLM2-Chat-7B 模型（开启 30% A100 权限后才可开启此章节）

4.1 初步介绍 Lagent 相关知识

4.2 配置基础环境

4.3 使用 Lagent 运行 InternLM2-Chat-7B 模型为内核的智能体

5 实战：实践部署 浦语·灵笔2 模型（开启 50% A100 权限后才可开启此章节）

5.1 初步介绍 XComposer2 相关知识

5.2 配置基础环境

5.3 图文写作实战（开启 50% A100 权限后才可开启此章节）

5.4 图片理解实战（开启 50% A100 权限后才可开启此章节）

作业章节

书生·浦语大模型 实战营(第二期)–第一节 书生·浦语大模型全链路开源体系

书生·浦语大模型 实战营(第二期)–第三节 基于 InternLM 和 LangChain 搭建你的知识库

Comments NOTHING

取消回复

2 部署 `InternLM2-Chat-1.8B` 模型进行智能对话

2.2 下载 `InternLM2-Chat-1.8B` 模型

3 实战：部署实战营优秀作品 `八戒-Chat-1.8B` 模型

3.1 简单介绍 `八戒-Chat-1.8B`、`Chat-嬛嬛-1.8B`、`Mini-Horo-巧耳`（实战营优秀作品）

4 实战：使用 `Lagent` 运行 `InternLM2-Chat-7B` 模型（开启 30% A100 权限后才可开启此章节）

4.3 使用 `Lagent` 运行 `InternLM2-Chat-7B` 模型为内核的智能体

5 实战：实践部署 `浦语·灵笔2` 模型（开启 50% A100 权限后才可开启此章节）

5.1 初步介绍 `XComposer2` 相关知识

书生·浦语大模型实战营(第二期)–第一节书生·浦语大模型全链路开源体系

书生·浦语大模型实战营(第二期)–第三节基于 InternLM 和 LangChain 搭建你的知识库