Qwen2本地web Demo

2024-10-12 前端 0

Qwen2的web搭建(streamlit)

千问2前段时间发布了，个人觉得千问系列是我用过最好的中文开源大模型，所以这里基于streamlit进行一个千问2的web搭建，来进行模型的测试

一、硬件要求

该文档中使用的千问模型为7B-Instruct，需要5g以上的显存，如果是轻薄本不建议进行本地测试（下图为测试时的实际显存占用）

在这里插入图片描述

二、环境准备

对于环境的基本要求

transformerstorchstreamlitsentencepieceacceleratetransformers_stream_generator

上述是基础的环境准备，可以用conda创建一个新的环境来进行配置。在下载库时可以使用清华大学的镜像进行加速，如下所示

pip install transformers -i https://pypi.tuna.tsinghua.edu.cn/simple

三、模型下载

这里推荐使用huggingface镜像网站进行下载，因为在下载中断后，再次请求时会从上次中断的地方继续，而不是重新下载。

https://hf-mirror.com

以千问为例，在终端的下载请求为

huggingface-cli download --resume-download Qwen/Qwen2-7B-Instruct --local-dir ./qwen2

四、web代码编写

from transformers import AutoTokenizer,AutoModelForCausalLMimport torchimport streamlit as st#在侧边栏创建标题with st.sidebar:    st.markdown("qwen2")    "hello world" 	#创建滑块，默认值为512，范围在0到1024之间    max_length = st.slider("max_length",0,1024,512,step=1)#创建标题和副标题st.title("qwen2 chatbot")st.caption("test")#你下载到本地的模型路径model_path = "../models/qwen2-1.5b-Instruct"#@streamlit.cache_resource 是一个用于缓存昂贵或频繁调用的资源（如大型文件、网络资源、或数据库连接）的装饰器。这个装饰器可以帮助你提高应用的性能，通过缓存那些不经常变更但加载需要大量时间或计算资源的数据。#定义的函数来获取tokenizer和model@st.cache_resourcedef get_model():    tokenizer = AutoTokenizer.from_pretrained(model_path,use_fast=False)    model = AutoModelForCausalLM.from_pretrained(model_path,torch_dtype=torch.float16,device_map='auto')    return tokenizer,modeltokenizer,model = get_model()#如果没有消息，则创建默认的消息列表if "messages" not in st.session_state:    st.session_state['messages'] = [{'role':"assistant","content":"有什么可以帮到您？"}]#便利session_state中的消息并显示在聊天界面上for msg in st.session_state.messages:    st.chat_message(msg["role"]).write(msg["content"])## 如果用户在聊天输入框中输入了内容，则执行下述操作if prompt := st.chat_input():    #将用户输入添加到message列表中    st.session_state.messages.append({"role":"user","content":prompt})    #在聊天界面上显示用户输入    st.chat_message("user").write(prompt)        	#构建输入    input_ids = tokenizer.apply_chat_template(st.session_state.messages,tokenize=False,add_generation_prompt=True)    model_inputs = tokenizer([input_ids],return_tensors='pt').to('cuda')    #模型生成输出id    generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)    generated_ids = [        output_ids[len(input_ids):] for input_ids,output_ids in zip(model_inputs.input_ids,generated_ids)    ]    #将生成的id转换成文字    response = tokenizer.batch_decode(generated_ids,skip_special_tokens=True)[0]    st.session_state.messages.append({"role":"assistant","content":response})	#在界面上显示输出    st.chat_message("assistant").write(response)