InternLM3 开源了一个具有 80 亿参数的指令模型，名为 InternLM3-8B-Instruct，旨在用于通用任务和高级推理。该模型具有以下特点：
- 在降低成本的同时提升性能：在推理和知识密集型任务中，表现超越了像 Llama3.1-8B 和 Qwen2.5-7B 等模型。值得注意的是，InternLM3 仅在 4 万亿高质量标记上进行训练，比其他同规模的语言模型节省了超过 75% 的训练成本。
- 深度思考能力：InternLM3 支持两种模式：一种是通过长链思维解决复杂推理任务的深度思考模式，另一种是用于流畅用户交互的正常响应模式。
实验所依赖的基础开发环境如下：
----------------
ubuntu 22.04
Python 3.12.3
cuda 12.1
pytorch 2.3.0
----------------
本文默认学习者已安装好以上 Pytorch(cuda) 环境，如未安装请自行安装。
首先 pip 换源加速下载并安装依赖包：
# 升级pip
python -m pip install --upgrade pip
# 更换 pypi 源加速库的安装
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# FastAPI 相关依赖
pip install requests==2.32.3
pip install fastapi==0.104.1
pip install uvicorn==0.24.0
# Langchain 相关依赖
pip install langchain==0.3.7
# WebDemo 相关依赖
pip install streamlit==1.41.1
# LoRA微调 相关依赖
pip install peft==0.11.1 # 用于 LoRA 微调
# 通用依赖
pip install modelscope==1.22.0 # 用于模型下载和管理
pip install transformers==4.47.1 # Hugging Face 的模型库，用于加载和训练模型
pip install sentencepiece==0.2.0 # 用于处理文本数据
pip install accelerate==0.34.2 # 用于分布式训练和混合精度训练
pip install datasets==2.20.0 # 用于加载和处理数据集考虑到部分同学配置环境可能会遇到一些问题，我们在 AutoDL 平台准备了 InternLM3-8b-Instruct 的环境镜像，点击下方链接并直接创建 AutoDL 示例即可。 https://www.codewithgpu.com/i/datawhalechina/self-llm/self-llm-internlm3
modelscope 是一个模型管理和下载工具，支持从魔搭 (Modelscope) 等平台快速下载模型。
这里使用 modelscope 中的 snapshot_download 函数下载模型，第一个参数 model_name_or_path 为模型名称或者本地路径，第二个参数 cache_dir 为模型的下载路径，第三个参数 revision 为模型的版本号。
在 /root/autodl-tmp 路径下新建 model_download.py 文件并在其中粘贴以下代码，并保存文件。
from modelscope import snapshot_download
model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm3-8b-instruct', cache_dir='./', revision='master')注意：记得修改 cache_dir 为你的模型下载路径哦~
在终端运行 python /root/autodl-tmp/model_download.py 执行下载，模型大小为 18GB 左右，下载模型大概需要5-30分钟。
新建 api.py 文件并在其中输入以下内容，粘贴代码后请及时保存文件。记得将tokenizer和model的路径改成上面模型下载的cache_dir的路径。以下代码有很详细的注释，大家如有不理解的地方，欢迎提出 issue 。
from fastapi import FastAPI, Request
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
import uvicorn
import json
import datetime
import torch
# 设置设备参数
DEVICE = "cuda" # 使用CUDA
DEVICE_ID = "0" # CUDA设备ID，如果未设置则为空
CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE # 组合CUDA设备信息
# 清理GPU内存函数
def torch_gc():
if torch.cuda.is_available(): # 检查是否可用CUDA
with torch.cuda.device(CUDA_DEVICE): # 指定CUDA设备
torch.cuda.empty_cache() # 清空CUDA缓存
torch.cuda.ipc_collect() # 收集CUDA内存碎片
# 创建FastAPI应用
app = FastAPI(
title="InternLM Chat API",
description="API for InternLM 3 chat model",
version="1.0.0"
)
# 添加GET方法的根路由
@app.get("/")
async def root():
return {
"message": "Welcome to InternLM Chat API",
"status": "healthy",
"timestamp": datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
}
# 处理POST请求的端点
@app.post("/v1/chat")
async def create_chat(request: Request):
global model, tokenizer # 声明全局变量以便在函数内部使用模型和分词器
json_post_raw = await request.json() # 获取POST请求的JSON数据
json_post = json.dumps(json_post_raw) # 将JSON数据转换为字符串
json_post_list = json.loads(json_post) # 将字符串转换为Python对象
prompt = json_post_list.get('prompt') # 获取用户的问题
# 构建对话模板
messages = [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": prompt},
]
tokenized_chat = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
generated_ids = model.generate(tokenized_chat, max_new_tokens=1024, temperature=1, repetition_penalty=1.005, top_k=40, top_p=0.8)
generated_ids = [
output_ids[len(input_ids):] for input_ids, output_ids in zip(tokenized_chat, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
now = datetime.datetime.now() # 获取当前时间
time = now.strftime("%Y-%m-%d %H:%M:%S") # 格式化时间为字符串
# 构建响应JSON
answer = {
"response": response,
"status": 200,
"time": time
}
# 构建日志信息
log = "[" + time + "] " + '", prompt:"' + prompt + '", response:"' + repr(response) + '"'
print(log) # 打印日志
torch_gc() # 执行GPU内存清理
return answer # 返回响应
# 主函数入口
if __name__ == '__main__':
# 加载预训练的分词器和模型
model_path = '/root/autodl-tmp/Shanghai_AI_Laboratory/internlm3-8b-instruct'
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=torch.float16, trust_remote_code=True).cuda()
model = model.eval()
# 启动FastAPI应用
# 用6006端口可以将autodl的端口映射到本地，从而在本地使用api
uvicorn.run(app, host='0.0.0.0', port=6006, workers=1) # 在指定端口和主机上启动应用然后在当前文件的路径下面运行:
python api.py 出现下面的信息就说明成功运行了。
默认部署在 6006 端口，通过 POST 方法进行调用。可以使用命令行curl和代码的方式来调用。
命令行:
curl -X POST "http://localhost:6006/v1/chat" \
-H 'Content-Type: application/json' \
-d '{"prompt": "你好"}'或者使用实际IP地址：
curl -X POST "http://<your-ip>:6006/v1/chat" \
-H 'Content-Type: application/json' \
-d '{"prompt": "你好"}'返回结果:
使用 python 中的 requests 库进行调用，创建 request.py 文件，复制下面的代码，运行 python request.py 。
import requests
import json
def get_completion(prompt):
headers = {'Content-Type': 'application/json'}
data = {"prompt": prompt}
response = requests.post(url='http://127.0.0.1:6006/v1/chat', headers=headers, data=json.dumps(data))
return response.json()['response']
if __name__ == '__main__':
print(get_completion('你好'))返回结果:
同时, 这是我们部署的FastAPI的Terminal页面, 还可以看到如下信息
这里简要对上述控制台信息进行解释:
INFO: ... "GET /_stcore/health HTTP/1.1" 404 Not Found
INFO: ... "GET /_stcore/host-config HTTP/1.1" 404 Not Found
- 这些是来自 Streamlit 的健康检查请求，返回 404 是正常的，因为我们的 FastAPI 服务器没有实现这些端点
- 这表明可能有 Streamlit 应用试图连接到这个端口，但这不影响我们的 API 功能
INFO: ... "POST / HTTP/1.1" 405 Method Not Allowed
- 这是失败的API调用记录
- 显示了请求时间、用户输入和模型响应
- 405 Method Not Allowed 表示请求方法不允许
- 有请求试图向根路径 ("/") 发送 POST 请求
- 返回 405 是因为我们只在根路径定义了 GET 方法，而不是 POST
[2025-01-19 12:40:08] ", prompt:"你好", response:"'你好！很高兴见到你。有什么我可以帮助你的吗？'"
INFO: ... "POST /v1/chat HTTP/1.1" 200 OK
- 这是成功的API调用记录
- 显示了请求时间、用户输入和模型响应
- 200 OK 表示请求成功处理