保姆教程 | 用 GPU 云主机搭建 AI 大语言模型并用 Flask 封装成 API，实现用户与模型对话 | 京东云技术团队

2023-04-27
北京
本文字数：2743 字
阅读完需：约 9 分钟

导读

在当今的人工智能时代，大型 AI 模型已成为获得人工智能应用程序的关键。但是，这些巨大的模型需要庞大的计算资源和存储空间，因此搭建这些模型并对它们进行交互需要强大的计算能力，这通常需要使用云计算服务。从云产品性能上来看，GPU 云主机是最适合的工具之一，对于业务方或者个人开发者来讲，使用 GPU 云主机搭建 AI 大语言模型有以下优势：

•高性能计算：GPU 云主机提供了高性能 GPU 处理器，加速模型的训练和推理；

•高性价比：灵活资源管理、可扩展性、弹性伸缩等云计算优势，根据业务或个人训练的需要，快速调整计算资源，满足模型的训练和部署需求；

•开放性：云计算的开放性让用户更容易进行资源的共享和协作，为 AI 模型的研究和应用提供了更广泛的合作机会；

•丰富的 API 和 SDK：云计算厂商提供了丰富的 API 和 SDK，使得用户能够轻松地接入云平台的各种服务和功能，进行定制化开发和集成。

在本文中，我们将以 chatglm-6b 为例详细介绍 GPU 云主机搭建 AI 大语言模型的过程，并使用 Flask 构建前端界面与该模型进行对话。

整个流程也比较简单：配置 GPU 云主机 → 搭建 Jupyterlab 开发环境 → 安装 ChatGLM → 用 Flask 输出模型 API

一、Start：配置 GPU 云主机

GPU 云主机（GPU Cloud Virtual Machine ）是提供 GPU 算力的弹性计算服务，具有超强的并行计算能力，在深度学习、科学计算、图形图像处理、视频编解码等场景被广泛使用。GPU 驱动，提供大量的 GPU 内存和强悍的计算性能，非常适合运行深度学习应用程序。

相对于实体卡，一张售价一般都是几万左右，而 GPU 云主机费用门槛很低，按时计费，一小时才十几元，可以根据自己的需求调配。

•本次选取的是 P40 卡： https://www.jdcloud.com/cn/calculator/calHost

•系统环境：Ubuntu 20.04 64 位

二、搭建 Jupyterlab 开发环境

下载 Anaconda 包需要在终端里执行以下命令：

mkdir anaconda # 创建文件夹cd anaconda # 进入文件夹wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh # 下载安装包bash Anaconda3-2023.03-Linux-x86_64.sh # 安装

复制代码

也可以用清华源，速度更快：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.03-Linux-x86_64.sh

接下来进行环境变量设置

cd /root/anaconda3/binvim ~/.bashrc
在.bashrc下添加以下内容：#Anacondaexport PATH="/root/anaconda3/bin:$PATH"
然后退出编辑
source ~/.bashrc

conda create -n jabari python=3.8  安装python3.8版本# 创建环境jupyter lab --generate-config
# 生成配置文件
Writing default config to: /root/.jupyter/jupyter_lab_config.py
[root@lavm-ba6po1r9fh bin]# vim /root/.jupyter/jupyter_lab_config.py

复制代码

# 编辑配置文件
c.ServerApp.ip = '*' # 设置访问的IP地址
c.ServerApp.open_browser = False  
# 不自动打开浏览器
c.ServerApp.port = 6888   #（自己可以自己设置端口，这里设置了6888）
# ServerApp的端口号
c.MappingKernelManager.root_dir = '/root/jupyter_run' 
# 设置Jupyter Notebook的根文件夹
c.ServerApp.allow_remote_access = True 
# 允许远程访问
c.ServerApp.password = '' 
# 不设置登录密码
c.ServerApp.allow_origin='*' 
# 允许任何来源的请求
c.ServerApp.password_required = False 
# 不需要密码
c.ServerApp.token = ''
# 不设置验证token

复制代码

jupyter lab --allow-root # 启动 JupyterLab

之后，在本地浏览器输入"服务器 ip:端口号"访问即可：

也可以安装汉化软件：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyterlab-language-pack-zh-CN

复制代码

三、重点来了：开始安装 ChatGLM 语言模型

https://huggingface.co/THUDM/chatglm-6b

ChatGLM-6B 是一个开源的、支持中英双语问答的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。ChatGLM-6B 使用了和 ChatGLM 相同的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。

先安装语言依赖

pip install protobuf==3.20.0 transformers==4.27.1 icetk cpm_kernels

复制代码

然后在 jupyter 运行代码

from transformers import AutoTokenizer, AutoModeltokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()response, history = model.chat(tokenizer, "你好", history=[])print(response)response, history = model.chat(tokenizer, "晚上睡不着应该怎么办", history=history)print(response)

复制代码

这里会直接从huggingface.co下载

最终下载完后，再次运行，提示

这里需要安装显卡驱动同时还要安装 nvidia-cuda-toolkit

NVIDIA CUDA Toolkit 提供了一个开发环境，用于创建高性能 GPU 加速应用程序。

apt install nvidia-cuda-toolkit

再次运行，已经 ok 了，出现模型回复内容

这里在命令行输入 nvidia-smi 也看下显卡类型：

四、用 Flask 输出模型 API

app.py 的代码如下：

from gevent import pywsgifrom flask import Flaskfrom flask_restful import Resource, Api, reqparsefrom transformers import AutoTokenizer, AutoModelfrom flask_cors import CORS
app = Flask(__name__)CORS(app, resources={r"/api/*": {"origins": "*"}})api = Api(app)
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
parser = reqparse.RequestParser()parser.add_argument('inputs', type=str, help='Inputs for chat')parser.add_argument('history', type=str, action='append', help='Chat history')
class Chat(Resource):    def post(self):        args = parser.parse_args()        inputs = args['inputs']        history = args['history'] or []
        response, new_history = model.chat(tokenizer, inputs, history)        return {'response': response, 'new_history': new_history}
api.add_resource(Chat, '/api/chat')if __name__ == '__main__':    server = pywsgi.WSGIServer(('0.0.0.0', 80), app)    server.serve_forever()