Llama3.1的部署与使用指南

在自然语言处理（NLP）领域，大模型（LLM）是基于深度学习算法训练而成的重要工具，应用范围包括自然语言理解和生成。随着技术的发展，开源的LLM不断涌现，涵盖了机器视觉（CV）、多模态模型以及科学计算等多个领域。

在当前的竞争格局中，开源LLM如雨后春笋般涌现，国内外都出现了不少优秀的开源模型。国外有LLaMA、Alpaca等，国内则有ChatGLM、BaiChuan、InternLM等，用户可以在这些模型的基础上进行本地部署和微调，创建个性化的应用。

Llama3.1介绍

2024年7月23日，Meta发布了其最新的开源模型——Llama 3.1，包括405B、70B和8B版本。值得注意的是，Llama 3.1 405B的上下文长度支持达到128K Tokens，其训练基于150万亿个Tokens，使用超过16,000个H100 GPU，是Meta迄今为止规模最大的Llama模型。

本指南主要集中在Llama3.1的8B版本，该版本需要至少16GB的GPU显存。以下是我们的测试环境配置：

• 操作系统：Ubuntu 22.04
• Python版本：3.12
• CUDA版本：12.1
• PyTorch版本：2.4.0

部署流程

创建云实例

首先，访问控制台-GPU云实例并点击创建实例。在创建页面中，选择合适的付费类型（按量或包月），接着配置GPU数量和型号。建议首次创建选择按量付费，1个NVIDIA-GeForce-RTX-4090 GPU，这样可以满足8B版本的显存需求。

在数据硬盘配置上，默认50GB的硬盘通常足够，但若通过官方方式下载模型，建议扩展至60GB。然后选择基础镜像，确保选择了包含PyTorch的镜像。

创建实例时，务必生成并保存密钥对，以便后续SSH连接使用。

登录实例

实例创建完成后，可以通过多种方式登录：

• JupyterLab：平台提供了在线JupyterLab入口，登录后可在/root/workspace目录下进行操作。
• SSH登录：使用终端工具进行SSH登录，输入必要的用户名、主机IP和密钥。

这里我们使用JupyterLab。

部署Llama3.1

在实例中，我们将使用conda管理环境。可以直接创建一个新环境：

conda create -n llama3 python=3.12

切换到新创建的环境：

conda activate llama3

安装Llama3.1所需的依赖：

pip install langchain==0.1.15
pip install streamlit==1.36.0
pip install transformers==4.44.0
pip install accelerate==0.32.1

接着，下载Llama-3.1-8B-Instruct模型，使用以下命令进行内网高速下载：

wget http://file.s3/damodel-openfile/Llama3/Llama-3.1-8B-Instruct.tar

下载后，解压缩模型文件：

tar -xf Llama-3.1-8B-Instruct.tar

使用指南

模型下载完成后，创建一个名为llamaBot.py的文件，并输入以下代码来加载模型和启动Web服务：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import streamlit as st# 创建标题和副标题
st.title("💬 LLaMA3.1 Chatbot")
st.caption("🚀 A streamlit chatbot powered by Self-LLM")# 定义模型路径
mode_name_or_path = '/root/workspace/Llama-3.1-8B-Instruct'# 获取模型和tokenizer的函数
@st.cache_resource
def get_model():tokenizer = AutoTokenizer.from_pretrained(mode_name_or_path, trust_remote_code=True)tokenizer.pad_token = tokenizer.eos_tokenmodel = AutoModelForCausalLM.from_pretrained(mode_name_or_path, torch_dtype=torch.bfloat16).cuda()return tokenizer, model# 加载模型和tokenizer
tokenizer, model = get_model()# 管理会话状态
if "messages" not in st.session_state:st.session_state["messages"] = []for msg in st.session_state.messages:st.chat_message(msg["role"]).write(msg["content"])if prompt := st.chat_input():st.chat_message("user").write(prompt)st.session_state.messages.append({"role": "user", "content": prompt})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')generated_ids = model.generate(model_inputs.input_ids, max_new_tokens=512)response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]st.session_state.messages.append({"role": "assistant", "content": response})st.chat_message("assistant").write(response)

在终端运行以下命令来启动Streamlit服务，确保服务地址设置为0.0.0.0以便于浏览器访问：

streamlit run llamaBot.py --server.address 0.0.0.0 --server.port 1024

接着，通过丹摩平台的端口映射功能，将内网端口映射到公网，完成后您就可以通过提供的链接访问LLaMA3.1 Chatbot并与其互动。

进入GPU 云实例页面，点击操作-更多-访问控制：

点击添加端口，添加streamlit服务对应端口：

然后点击相应链接即可进入交互界面。

-更多-访问控制：

[外链图片转存中…(img-t5dURskR-1726919894498)]

点击添加端口，添加streamlit服务对应端口：

[外链图片转存中…(img-1jy0SGBr-1726919894498)]

然后点击相应链接即可进入交互界面。

通过以上步骤，您将成功部署并使用Llama3.1模型，享受与强大聊天机器人的互动体验。