最简化ChatGLM2-6b小白部署教程【windows系统，16G内存即可，对显卡无要求，CPU运行】
作者：Life_Is_Good占用
一.前言
近期清华KEG和智谱AI公司一起发布了中英双语对话模型ChatGLM2-6B(小尺寸LLM)，开源在https://github.com/THUDM/ChatGLM2-6B，可单机部署推理和fine-tune。虽然默认程序是GPU运行且对显卡要求不高，官方也说默认需要13G的显存，使用量化模型貌似只需要6G显存，但对于我这种平民玩家，不租云服务器的话，单靠我这GTX3050 4G的卡怕是跑不动了，所以就尝试CPU部署量化后的ChatGLM2-6b-int4模型(不同版本的ChatGLM2部署方法基本一致，只是加载的模型和需要的硬件环境有区别)
二.机器配置&环境
本人机器配置： 系统WIN10 CPU R5-5600H GPU GTX3050 4G 内存16G
环境：python 3.11(>=3.8即可)，需要科学上网(需要访问git和huggingface)
三.代码下载&项目所需python环境安装
git源码下载
#创建目录并进入 mkdir ChatGLM2-6b-int4 cd ChatGLM2-6b-int4 # git源码下载 git clone https://github.com/THUDM/ChatGLM2-6B cd ChatGLM2-6B
git过程如果使用vpn下载报错，需要配置git代理
git config --global https.proxy http://127.0.0.1:10809 & git config --global https.proxy https://127.0.0.1:10809(具体ip端口号可在 网络和Internet>代理 中查看)
如需取消代理设置如下
git config --global --unset http.proxy & git config --global --unset https.proxy
python虚拟环境创建并切换(conda创建环境切换也ok)
#创建虚拟环境(pip安装的包仅在此环境下，相关的依赖都在chatglm2b项目下) python -m venv glm_env #切换环境 glm_env\Scripts\activate
安装项目依赖包(指定阿里云镜像源)
torch下载时间相对较长
#安装项目依赖并指定镜像源 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
安装成功喽
四.模型相关文件下载&加载
chatglm2-6b-int4模型地址(huggingface) 也可以在清华国内模型地址(不需要科学上网，chatglm2-6b-int4一共三个文件)下载，但是后者少了一些模型文件以外的配置文件(推理时需要)，文件较小，也可以单独下载(文章顶部)，如果只下载了模型的三个文件，在推理时会报错如下
然后我们开始下载模型了
量化后的int4模型文件接近4G，不过也看出来出租屋这100M宽带不止100M呀。。。，很给力一会就下完了。在项目目录下面创建THUDM\chatglm2-6b-int4两级目录，将模型相关文件放置文件夹，文件目录如下
回到项目根目录下在cli_demo.py web_demo.py web_demo2.py api.py内修改部分代码，cli_demo为例，其他相同(主要修改模型加载路径以及改为CPU运行).
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True).cuda()
#修改成
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b-int4", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm2-6b-int4", trust_remote_code=True).float()四.命令端|web 端推理
然后在项目目录下执行cli_demo.py，提示没有安装readline
尝试pip安装readline一直失败(试了各种镜像源)，最后pip install pyreadline3解决，但又报了其他错误
这时候发现自己的路径用 / (THUDM/chatglm2-6b-int4)， 赶紧替换为 \，我估计经常在linux下开发的同学都会犯这个错误，然后我们继续执行 python cli_demo.py，发现没有GCC命令，百度了下发现在CPU上运行量化后的int4模型，需要安装gcc和openmp，正好TDM-GCC可以顺带安装openmp，于是下载了TDM-GCC，安装过程中需要勾选安装openmp
最终，我们和chatglm2对上了话，但回复速度实在太慢，而且好像介绍自己都有问题(毕竟是量化后的模型)，简单的快排更尬了。。。。。。有条件的还是用显卡，或者google colab、阿里云之类的云服务器
推理过程中使用的资源情况
网页版的话直接执行python web_demo.py即可（web_demo2也一样，只是ui页面不同），程序会运行一个 Web Server，然后启动浏览器输入对话内容即可
五.api部署
安装fast等相关依赖包，然后curl本地默认端口即可得到回复
#安装fastapi等包,以上包在install requirements文件时应该已经安装过了,uvicorn是python 轻量级 ASGI web服务器框架
pip install fastapi uvicorn -i https://mirrors.aliyun.com/pypi/simple
#项目根目录下执行 api.py
python api.py
#程序默认部署在本地8000端口,通过curl post直接调用
curl -X POST "http://127.0.0.1:8000" -H 'Content-Type: application/json' -d '{"prompt": "你好，请介绍下自己", "history": []}'