义乌商城网站开发,互联网门户网站有哪些,小程序自己免费制作,专业网络推广外包公司文章目录 1、软件要求2、安装CUDA2.1、安装gcc2.2、安装CUDA 3、安装Anaconda33.1、下载Anaconda33.2、创建python虚拟环境 4、部署系统4.1、下载源码4.2、安装依赖4.3、下载模型4.4、初始化配置和知识库4.4.1、初始化配置4.4.2、初始化知识库 4.5、运行4.6、运行4.6.1、启动4.… 文章目录 1、软件要求2、安装CUDA2.1、安装gcc2.2、安装CUDA 3、安装Anaconda33.1、下载Anaconda33.2、创建python虚拟环境 4、部署系统4.1、下载源码4.2、安装依赖4.3、下载模型4.4、初始化配置和知识库4.4.1、初始化配置4.4.2、初始化知识库 4.5、运行4.6、运行4.6.1、启动4.6.2、启动创建知识库和上传pdf4.6.3、问答提取内容 1、软件要求
Linux Ubuntu 22.04.5 kernel version 6.7 最低要求 该要求仅针对标准模式轻量模式使用在线模型不需要安装torch等库也不需要显卡即可运行。
Python 版本: 3.8(很不稳定), 3.12CUDA 版本: 12.1 推荐要求 开发者在以下环境下进行代码调试在该环境下能够避免最多环境问题。Python 版本 3.11.7CUDA 版本: 12.1
本文是基于Ubuntu 22.04.1 LTS (GNU/Linux 5.15.133.1-microsoft-standard-WSL2 x86_64)测试
2、安装CUDA
2.1、安装gcc
输入gcc -version检查是否安装了gcc
~$ gcc --version
Command gcc not found, but can be installed with:
sudo apt install gcc2.2、安装CUDA
输入nvidia-smi查看支持CUDA的版本支持的最高版本是12.3
当前pytorch最高支持12.1在官网https://developer.nvidia.com/cuda-toolkit-archive下载12.1.1版本
输入命令下载安装
wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run
sudo sh cuda_12.1.1_530.30.02_linux.run配置环境变量输入vi ~/.bashrc命令打开文件
export PATH/usr/local/cuda-12.1/bin:$PATH
export LD_LIBRARY_PATH/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH刷新环境变量source ~/.bashrc
3、安装Anaconda3
3.1、下载Anaconda3
官网下载https://www.anaconda.com/download/ 清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 当前最新版本https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh 下载完成输入下边命令安装
sh Anaconda3-2023.09-0-Linux-x86_64.sh3.2、创建python虚拟环境
conda create -n python311 python3.11# 激活环境
conda activate python311
# 如果activate不存在改用source激活环境
# source activate python311
# 退出环境
conda deactivate python311 4、部署系统
4.1、下载源码
浏览器下载Langchain-Chatchat-0.2.10.zip:https://github.com/chatchat-space/Langchain-Chatchat/releases 也可以通过git拉取最新仓库
# git拉取最新仓库
git clone https://github.com/chatchat-space/Langchain-Chatchat.git 4.2、安装依赖
# 进入目录
$ cd Langchain-Chatchat# 安装全部依赖
# 使用国内源下载依赖更快https://mirrors.aliyun.com/pypi/simple/https://pypi.tuna.tsinghua.edu.cn/simple/
# 全部依赖
$ pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
# api运行依赖
$ pip install -r requirements_api.txt -i https://mirrors.aliyun.com/pypi/simple/
# webui运行依赖
$ pip install -r requirements_webui.txt -i https://mirrors.aliyun.com/pypi/simple/
# 默认依赖包括基本运行环境FAISS向量库。如果要使用 milvus/pg_vector 等向量库请将 requirements.txt 中相应依赖取消注释再安装。4.3、下载模型
$ git lfs install
# 下载LLM模型国内从魔塔下载更快
$ git clone https://www.modelscope.cn/ZhipuAI/chatglm3-6b.git
# git clone https://huggingface.co/THUDM/chatglm3-6b# 下载Embedding 模型国内从魔塔下载更快
$ git clone https://www.modelscope.cn/AI-ModelScope/bge-large-zh.git
# git clone https://huggingface.co/BAAI/bge-large-zh4.4、初始化配置和知识库
4.4.1、初始化配置
# 初始化Langchain-Chatchat-0.2.10\configs目录内的配置文件
$ python copy_config_example.py基础配置项 basic_config.py 该配置基负责记录日志的格式和储存路径通常不需要修改。模型配置项 model_config.py
EMBEDDING_MODEL bge-large-zh # 修改为bge-large-zh
# Embedding 模型运行设备。设为 auto 会自动检测(会有警告)也可手动设定为 cuda,mps,cpu,xpu 其中
EMBEDDING_DEVICE cuda# 要运行的 LLM 名称可以包括本地模型和在线模型。列表中本地模型将在启动项目时全部加载。
# 列表中第一个模型将作为 API 和 WEBUI 的默认模型。
# 在这里我们使用目前主流的两个离线模型其中chatglm3-6b 为默认加载模型。
LLM_MODELS [chatglm3-6b, zhipu-api, openai-api]
# LLM 模型运行设备。设为auto会自动检测(会有警告)也可手动设定为 cuda,mps,cpu,xpu 其中之一。
LLM_DEVICE cuda # 修改为cpu
MODEL_PATH {embed_model: {......bge-large-zh: /mnt/d/project/python/model/BAAI/bge-large-zh, # 修改为物理路径......},llm_model: {......chatglm3-6b: /mnt/d/project/python/model/THUDM/chatglm3-6b, # 修改为物理路径......},提示词配置项 prompt_config.py 提示词配置分为三个板块分别对应三种聊天类型。
llm_chat: 基础的对话提示词 通常来说直接是用户输入的内容没有系统提示词。
knowledge_base_chat: 与知识库对话的提示词在模板中我们为开发者设计了一个系统提示词开发者可以自行更改。
agent_chat: 与Agent对话的提示词同样我们为开发者设计了一个系统提示词开发者可以自行更改。
# prompt模板使用Jinja2语法简单点就是用双大括号代替f-string的单大括号 请注意本配置文件支持热加载修改prompt模板后无需重启服务。数据库配置 kb_config.py服务和端口配置项 server_config.py
# 这些模型必须是在model_config.MODEL_PATH或ONLINE_MODEL中正确配置的。
# 在启动startup.py时可用通过--model-name xxxx yyyy指定模型不指定则为LLM_MODELS
FSCHAT_MODEL_WORKERS {......chatglm3-6b: {device: cuda, # 配置为cuda},......
}4.4.2、初始化知识库
## 默认依赖包括基本运行环境FAISS向量库初始化自己的知识库
$ python init_database.py --recreate-vs#如果您已经有创建过知识库可以先执行以下命令创建或更新数据库表
# python init_database.py --create-tables4.5、运行
# 一键启动脚本 startup.py 一键启动所有 Fastchat 服务、API 服务、WebUI 服务示例代码
$ python startup.py -a并可使用 Ctrl C 直接关闭所有运行服务。
可选参数包括 -a (或–all-webui), --all-api, --llm-api, -c (或–controller), --openai-api, -m (或–model-worker), --api, --webui其中
–all-webui 为一键启动 WebUI 所有依赖服务–all-api 为一键启动 API 所有依赖服务–llm-api 为一键启动 Fastchat 所有依赖的 LLM 服务–openai-api 为仅启动 FastChat 的 controller 和 openai-api-server 服务其他为单独服务启动选项。 若想指定非默认模型需要用 --model-name 选项示例
$ python startup.py --all-webui --model-name Qwen-7B-Chat更多信息可通过 python startup.py -h 查看。
4.6、运行
本文运行例子上传一个PDF文档到知识库并通过问答的方式提取PDF内容。
4.6.1、启动 4.6.2、启动创建知识库和上传pdf 4.6.3、问答提取内容
问答方式提取内容除了第一个社会信用代码不准确外其它问题都能返回准确答案
安装部署参考自
