首页 > Ai资讯 > Ai知识库 > 玩一玩阿里通义千问开源版,Win11 RTX3060本地安装记录

玩一玩阿里通义千问开源版,Win11 RTX3060本地安装记录

发布时间:2024年06月06日

大概在两天前,阿里做了一件大事儿。

IMG_256

就是开源了一个低配版的通义千问模型--通义千问-7B-Chat

这应该是国内第一个大厂开源的大语言模型吧。

虽然是低配版,但是在各类测试里面都非常能打。

官方介绍:

Qwen-7B是基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。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。同时,在Qwen-7B的基础上,我们使用对齐机制打造了基于大语言模型的AI助手Qwen-7B-Chat。本仓库为Qwen-7B-Chat的仓库。

同时官方也给出了很多测试结果。

比如中文评测。

C-Eval验证集上得分对比:

Model

Avg. Acc.

LLaMA2-7B-Chat

31.9

LLaMA2-13B-Chat

40.6

Chinese-Alpaca-2-7B

41.3

Chinese-Alpaca-Plus-13B

43.3

Baichuan-13B-Chat

50.4

ChatGLM2-6B-Chat

50.7

InternLM-7B-Chat

53.2

Qwen-7B-Chat

54.2

如果单看这个数据。说吊打同级别羊驼模型一点不夸张吧。比起热门的开源模型ChatGLM2也高出了不少。

除此之外还有:

英文测评(南玻王)

代码测评(南玻王)

数学测评(南玻王)

长序列测评(南玻王)

工具使用能力测评

全方位碾压同类70亿参数模型,在即将开源的、用于评估工具使用能力的自建评测基准上,居然K·OGPT-4 哈哈。

Model

Tool Selection (Acc.)

Tool Input (Rouge-L)

False Positive Error

GPT-4

95%

0.90

15%

GPT-3.5

85%

0.88

75%

Qwen-7B-Chat

99%

0.89

8.5%

我也不太懂,没研究过这个基准测试,反正就是看起来很厉害的样子。

不管怎么样,大厂开源的东西总不会太差。有可能真的是最好的小型中文大语言模型了。

阿里已经亮出态度了,接下来压力给到百度,讯飞,华为... 哈哈~~

既然阿里都开源了,那我们自然就笑纳了,接下就在本机跑一个试试。

下面是我在Win11 RTX3060 12G 上完整的安装记录。玩过的可以跳过,没玩过的可以当个参考。

我的安装思路完全来自官网指引:

IMG_257

官方的安装指引看起来非常简单。只要安装一下modelscope这个包,然后运行一段Python代码就可以了。当然,这个世界上看起来简单的东西,做起来往往都不那么简单。一步一坑是常态,踩过了,就简单了。

常规流程

1.创建并激活虚拟环境。

我们还是用常用的MiniConda来创建一个虚拟的Python环境。

conda create -n models python=3.10.6

激活激活虚拟环境:

conda activate  models

2. 安装modescope基础库

pip install modelscope

3. 编写Python代码

不需要自己编写啊,直接抄官方代码。

IMG_258

创建一个test.py文件,然后将代码粘贴到里面,Ctrl+S
保存代码。

4.运行代码

运行代码也非常简单。上面已经激活了虚拟环境。然后用cd命令,进入到代码所在目录。然后用Python运行就可以了。

运行代码之后,会自动联网下载一个14G的模型文件。

IMG_259

阿里毕竟是做服务器的,我又在杭州,这速度真的是真是相当给力。不用魔法,就能飞起,这是搞国外项目,永远享受不到的待遇啊。

按正常的节奏来说,下载完大模型,然后运行代码。通义千问大模型就会乖乖的回答我预设的两个问题了。

但是...不可能这么顺利。

其实还有很多包还没装完,我就按我出错的顺序和解决方法,一个个来记录吧。

踩坑记录

缺少transformers

提示信息如下:

1 ImportError:
2 modelscope.pipelines.nlp.text_generation_pipeline requires the transformers library but it was not found in your environment. You can install it with pip:
3 pip install transformers

解决方法很简答,运行提示中的命令即可:

2. 缺少tiktoken

提示信息如下:

1 modelscope.models.nlp.qwen.tokenization requires the tiktoken library but it was not found in your environment. You can install it with pip:

2

解决方法:

3.缺少accelerate

提示信息如下:


1
ImportError: QWenChatPipeline: QWenForTextGeneration:
Using low_cpu_mem_usage=
Trueor a
device_map requires Accelerate: pip install accelerate

解决方法:

4.爆显存了OutOfMemory

终于所有包都装完了。

再次运行test.py

软件有条不紊的运行,好像有戏。可惜,最终还是卡在硬件配置上了。

见到了熟悉的OutOfMemory


1 torch.cuda.OutOfMemoryError:
CUDAoutofmemory. Triedtoallocate 1.16
GiB (GPU 0;
12.00
GiBtotalcapacity; 9.99
GiBalreadyallocated; 200.79
MiBfree; 9.99
GiBreservedintotalbyPyTorch) Ifreservedmemoryis
>>
allocatedmemorytrysettingmax_split_size_mbtoavoidfragmentation. SeedocumentationforMemoryManagementandPYTORCH_CUDA_ALLOC_CONF

在大语言模型面前,12G显存,啥都不是。

IMG_260

查了一下资料,BF16需要16.2G显存才可以运行... 

Precision

MMLU

Memory

BF16

56.7

16.2G

Int8

52.8

10.1G

NF4

48.9

7.4G

遇到这种情况,没啥办法,只能用量化。官方也提供了4bit量化的代码,直接拷贝过来,搞了一个test2.py文件。

5. 运行4bit量化代码出错

错误提示如下:

1 importlib.metadata.PackageNotFoundError: No package metadata was found for bitsandbytes

大概就是量化的时候需要用到一个叫bitsandbytes的依赖包。

那就安装一下呗:


1 pip
install bitsandbytes

安装非常简单快速,没有任何问题。

6. 量化包不支持Windows

安装完依赖之后运行test2.py 很快就收到了如下错误:

1 CUDA Setup failed despite GPU being available. Please run the following command to get more information:          
2 
3 python -m bitsandbytes
4 
5 Inspect the output of the command and see if you can locate CUDA libraries. You might need to add them   
6 to your LD_LIBRARY_PATH. If you suspect a bug, please take the information from python -m bitsandbytes    
7 and open an issue at: https://github.com/TimDettmers/bitsandbytes/issues

这句话对于对于一个英语只过了4级的人有点难度啊。什么叫尽管有可用的GPU但是CUDA设置失败.... 你这句式是不是等价于,你有一个女朋友,但是不能用!

查了一下资料,bitsandbytes库目前仅支持Linux发行版,Windows目前不受支持。。。

还好上面的资料已经过时了,其实已经有大佬做了Windows版本。

7.
Windows
版量化包版本太低

为了解决上面一个的问题,找到了一个Windows版本的依赖包。

安装命令如下:

1 pip install git+https://github.com/Keith-Hon/bitsandbytes-windows.git

安装完成之后,本以为完事大吉了。

还是太年轻...

错误提示如下:

1 ValueError: 4 bit quantization requires bitsandbytes>=0.39.0 - please upgrade your bitsandbytes version

这个问题出在两个方面,一个是这个包好像只支持8bit量化,而我代码里有用的是4bit。另外一个问题就是错误日志中提到的版本太低。

没办法,又是一顿乱找,狂开N个网页。

最后最终找到了可以用的版本。

安装命令:

python -m pip install bitsandbytes --prefer-binary --extra-index-url=https://jllllll.github.io/bitsandbytes-windows-webui

终于安装成功0.41版本

8 缺少transformers_stream_generator

习惯了,习惯了。上面的都搞完了,又出现缺包提示。

1 ImportError: This modeling file requires the following packages that were not found in your environment: transformers_stream_generator. Run `pip install transformers_stream_generator`

解决方法:

1 pip install transformers_stream_generator

9. Numpy不可用。

所有包装完之后,运行test2.py,眼看这要成功了,又跳出一个“Numpy
is not available”

1 
2 Traceback (most recent call last):
3 File "e:\DEV\qwen\test2.py", line 12, in <module>
4 response, history = model.chat(tokenizer, "你好", history=None)
5File"C:\Users\tony/.cache\huggingface\modules\transformers_modules\Qwen-7B-Chat\modeling_qwen.py", line 1003, in chat
6 response = decode_tokens(
7File"C:\Users\tony/.cache\huggingface\modules\transformers_modules\Qwen-7B-Chat\qwen_generation_utils.py", line 269, in decode_tokens
8 tokens = tokens.cpu().numpy().tolist()
9 RuntimeError: Numpy is not available

pip list 查看了一下包列表,明明有这个包,怎么就不能用呢?

不管了,直接更新有一把看看。

Numpy升级到最新版

·

1 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy --upgrade

安装过程出现红色提示:

1 ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
2 modelscope 1.8.1 requires numpy<=1.22.0, but you have numpy 1.25.2 which is incompatible.
3 Successfully installed numpy-1.25.2

内心凉了一半。

提示里面说modelscope需要的是1.22, 但是我装了1.25.2... 最怕就是这种版本问题了...

我也不知道该怎么排查,想着就死马当活马医了。

最后...居然成功了,这是~~什么道理~~

IMG_261

通过日志可以看到,AI已经做出了回答。答案也正确且通顺。幸福来的太突然...

到这里,我就成功的在我的Rtx3060 12G上面把通义千问给跑起来了。理论上所有的8G N卡也能跑起来!

成功后,心态就平稳很多了,半天功夫没白费,美滋滋。

趁热打铁,抽个几分钟来测试一下运行速度。

1 start:2023-08-05 11:06:54.399781;
2 loaded:2023-08-05 11:09:05.583479;
3 hello:2023-08-05 11:09:21.236158;
4 where:2023-08-05 11:09:22.543629;
5 goood:2023-08-05 11:09:28.565053

加载模型用了好几分钟,回答问题大概只用了几秒钟。还不错啊,这速度基本能用了。

按上面的方式运行代码,AI只能回答预设的几个问题。这样搞起来就有点不爽,每次提问,还得改源代码,重新加载模型...

所以我又花了几分钟,写了一个WebUI

界面如下:

IMG_262

写这个界面和功能,大概只用了23Python代码。Gradio这东西用起来确实爽,怪不得那么多开源项目都用这个来做界面。

心满意足了!!!

有没有看到这里,还是一头雾水的人?哈哈!

那么我就提供一个无需配置,无需登录,直接可以体验的网址把:

https://modelscope.cn/studios/qwen/Qwen-7B-Chat-Demo/summary

通义千问官方主页:

https://modelscope.cn/models/qwen/Qwen-7B-Chat/summary

有兴趣的可以去玩一玩!

收工!

出自:https://mp.weixin.qq.com/s/CcKMYH9xdT8jpz4EK2OpiQ