Fanstasy Player / 幻想系玩家
Fanstasy Player / 幻想系玩家

Llama Gpt 项目的简单介绍以及切换CUDA的方法

Aincvy
  约 1700 字 预计阅读 4 分钟 

llama-gpt 是一个 需要自己架设，离线，类似ChatGPT的聊天机器人，由Llama 2 提供支持。

官方 github 地址： https://github.com/getumbrel/llama-gpt.git

官方简介：

A self-hosted, offline, ChatGPT-like chatbot. Powered by Llama 2. 100% private, with no data leaving your device.

主要内容

体验

这是笔者第一次体验gpt类的工具， 之前并没有尝试过chatGPT， 感觉这个llama-gpt 勉强可用， 不过更多的还是期待它未来的表现。

  • 仓库的版本是 纯CPU 运算的， 所以速度很慢。 笔者的U 是amd 5600, 一个问题需要几分钟才能开始响应， 到响应结束还需要一段时间。 2023年8月21日
  • 不过可以自己切换到N卡的 CUDA 上进行运算， 有点麻烦， 但是可以切换。
  • 响应的内容 没有排版，这个很难受，并且笔者目前没有找到办法去解决。 后续更新可见： https://github.com/getumbrel/llama-gpt/issues/28
  • 可以用中文提问， 但是默认情况下会回复英文
  • 会无视一些输入提示词， 比如 想让它省略解释说明部分， 但是没用，它一定会给你解释一下。

下面看几张图。

llama-gpt1

虽然排版很难受， 但是生成出现的东西， 还是可以考虑的。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

#include <iostream>

#include "imgui.h"

int main() {
  ImGui::CreateContext();
  ImGui::StyleColor( & ImGuiCol_Text, ImVec4(1.0 f, 1.0 f, 1.0 f, 1.0 f));
  ImGui::Begin("Form", nullptr);
  ImGui::Text("Name:");
  ImGui::SameLine();
  ImGui::InputText("name", name, IM_ARRAYSIZE(name));
  ImGui::Text("Age:");
  ImGui::SameLine();
  ImGui::InputText("age", age, IM_ARRAYSIZE(age));
  ImGui::Button("Submit");
  ImGui::Button("Reset");
  ImGui::End();
  ImGui::DestroyContext();
  return 0;
}

使用 https://codebeautify.org/cpp-formatter-beautifier 自动格式化

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

#include <iostream>

#include "imgui.h"

int main() {
  ImGui::CreateContext();
  ImGui::StyleColor( & ImGuiCol_Text, ImVec4(1.0 f, 1.0 f, 1.0 f, 1.0 f));
  ImGui::Begin("Form", nullptr);
  ImGui::Text("Name:");
  ImGui::SameLine();
  ImGui::InputText("name", name, IM_ARRAYSIZE(name));
  ImGui::Text("Age:");
  ImGui::SameLine();
  ImGui::InputInt("age", age);
  if (ImGui::Button("Submit")) {
    std::cout << "Submit button pressed!" << std::endl;
  }
  if (ImGui::Button("Reset")) {
    name[0] = '\0';
    age = 0;
  }
  ImGui::End();
  ImGui::DestroyContext();
  return 0;
}

第二版代码比第一版本多了一些内容， 但是仍然没帮我声明 name, age 两个变量 😆

偶尔的情况下， 会给一个很好的排版。

llama-gpt2

可以生成 unity的脚本, 这里还可以看到是存在上下文语境的。 但是我看了一下日志， 感觉就是把聊天记录都发了一遍过去。。 好像openai 也是这么处理的

llama-gpt3

应用

  • 小段代码生成
  • 一些常见的算法代码生成
    • 生成的冒泡排序可以使用， 但是 快速排序却有语法问题， 且没给我解决。。
  • 中文翻译成英文
    • 但是无法从英文翻译中文
  • 问一些乱七八糟的
  • 生成 CURD 相关的代码。

切换部分内容到GPU上运行

本文描述的方法是使用 N卡的CUDA 进行运算。 更换之后， 大多数问题在几秒内就可以开始回答了。

这只是一个临时的办法， 官方可能会在不久的将来支持 CUDA。 可见 https://github.com/getumbrel/llama-gpt/issues/6

笔者在 Debian 11 上进行了测试， 成功运行了 13B模型。

更多的说明在最后部分

简单版本

  • 编译 llama-cpp-python 的 cuda 版本 镜像
  • 手动把模型映射到容器中
  • 调整并使用 llama-gpt/api/run.sh 文件来启动

长版本

  1. 安装 并且设置好 docker， 包括 nvidia container-toolkit
  2. git clone https://github.com/abetlen/llama-cpp-python.git
  3. 准备好 模型
    1. llama-2-7b-chat.bin - https://huggingface.co/TheBloke/Nous-Hermes-Llama-2-7B-GGML/resolve/main/nous-hermes-llama-2-7b.ggmlv3.q4_0.bin
    2. llama-2-13b-chat.bin - https://huggingface.co/TheBloke/Nous-Hermes-Llama2-GGML/resolve/main/nous-hermes-llama2-13b.ggmlv3.q4_0.bin
    3. 我觉得 7b 或者 13b 的就足够了
      1. 经过尝试， 7b q4 版本 质量较差， 建议使用13B版本。
    4. 下载好的模型放到宿主机的某个文件夹， 比如： /home/debian/docker/llama-models
    5. 我使用的是 llama-2-13b-chat.bin 这个模型
  4. 查阅文档： https://github.com/abetlen/llama-cpp-python/tree/main/docker#cuda_simple
    1. 不需要执行最后的 docker run 命令， 使用 docker build -t cuda_simple . 构建好镜像即可
    2. 修改版本的 Dockerfile: https://github.com/Aincvy/llama-cpp-python/blob/dockerfile-cn-mirrors/docker/cuda_simple/Dockerfile-CN
      1. 使用了 阿里的 apt 源
      2. 使用了 清华大学的 python 源
  5. 执行命令 sudo docker tag cuda_simple llama-cpp-python-cuda:latest
  6. 寻找一个目录作为 docker compose 的目录， 比如： /home/debian/docker-compose/llama-gpt-cuda
  7. 新建文件 docker-compose.yaml ,并填充下面的内容
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

version: '3.6'

services:
  llama-gpt-api-13b:
    # image: 'ghcr.io/getumbrel/llama-gpt-api-llama-2-13b-chat:latest'
    image: 'llama-cpp-python-cuda:latest'
    # build:
    #   context: ./api
    #   dockerfile: 13B.Dockerfile
    restart: on-failure
    environment:
      MODEL: '/models/llama-2-13b-chat.bin'
      USE_MLOCK: 1
    volumes:
      - '/home/debian/docker/llama-models:/models/'
      - './data:/home'
    cap_add:
      - IPC_LOCK
      - SYS_RESOURCE
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    command: /bin/sh /home/run.sh

  llama-gpt-ui:
    image: 'getumbrel/llama-gpt-ui:latest'
    container_name: 'llama-gpt-ui'
    ports: 
      - 3000:3000
    restart: on-failure
    environment:
      - 'OPENAI_API_KEY=sk-XXXXXXXXXXXXXXXXXXXX'
      - 'OPENAI_API_HOST=http://llama-gpt-api-13b:8000'
      - 'DEFAULT_MODEL=/models/llama-2-13b-chat.bin'
      - 'WAIT_HOSTS=llama-gpt-api-13b:8000'
      - 'WAIT_TIMEOUT=600'
  1. 创建一个目录： data
  2. 创建一个文件： data/run.sh 并填充下面的内容 从 llama-gpt/api/run.sh 复制，然后调整的
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

#!/bin/bash

# make build

# Get the number of available threads on the system
n_threads=$(grep -c ^processor /proc/cpuinfo)

# Define context window
n_ctx=4096

# Offload everything to CPU
n_gpu_layers=37      

# Define batch size
n_batch=2096
# If total RAM is less than 8GB, set batch size to 1024
total_ram=$(cat /proc/meminfo | grep MemTotal | awk '{print $2}')
if [ $total_ram -lt 8000000 ]; then
    n_batch=1024
fi

echo "Initializing server with:"
echo "Batch size: $n_batch"
echo "Number of CPU threads: $n_threads"
echo "Number of GPU layers: $n_gpu_layers"
echo "Context window: $n_ctx"

exec python3 -m llama_cpp.server --n_ctx $n_ctx --n_threads $n_threads --n_gpu_layers $n_gpu_layers --n_batch $n_batch
  1. 调整 n_gpu_layers参数， 过大可能会导致 OOM， 我是3060 12G， 37已经非常极限了。
  2. sudo docker compose up 查看能否正常运行， 如果没有什么问题的话， 则使用 sudo docker compose up -d 进入后台运行。

其他说明

  • GPU 的占用好像没有跑满， 大约在 30% 附近。 CPU还是100% 在运行，
  • 速度确实提升了不少， 但是没有到达立即响应的地步。 很多问题可以在几秒内开始回答。
  • 聊天记录越多， 越容易 崩溃， 暂时没看到崩溃原因，只看到了 exit code 0
    • 可能和docker 容器关闭再启动也有点关系把。
    • 应该是 到达了 max_token 或者显存爆了
  • 模型的路径好像只能用 /models/llama-2-13b-chat.bin ，或者只能是/models/ 目录， 否则 UI 程序会出现问题。

其他

尝试了一下 https://github.com/oobabooga/text-generation-webui ， 同样安装有点麻烦， 但是这个排版很好。 使用的同一个模型
2023年9月12日 今日尝试， 无法加载这个模型了。

更新于 2024-03-18 
Released under CC BY-NC 4.0
返回 | 主页
0%