大概在两天前，阿里做了一件大事儿。
就是开源了一个低配版的通义千问模型--通义千问-7B-Chat。
这应该是国内第一个大厂开源的大语言模型吧。
虽然是低配版，但是在各类测试里面都非常能打。
官方介绍：
Qwen-7B是基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。同时，在Qwen-7B的基础上，我们使用对齐机制打造了基于大语言模型的AI助手Qwen-7B-Chat。本仓库为Qwen-7B-Chat的仓库。
同时官方也给出了很多测试结果。
比如中文评测。
在C-Eval验证集上得分对比：
|
Model
|
Avg. Acc.
|
|
LLaMA2-7B-Chat
|
31.9
|
|
LLaMA2-13B-Chat
|
40.6
|
|
Chinese-Alpaca-2-7B
|
41.3
|
|
Chinese-Alpaca-Plus-13B
|
43.3
|
|
Baichuan-13B-Chat
|
50.4
|
|
ChatGLM2-6B-Chat
|
50.7
|
|
InternLM-7B-Chat
|
53.2
|
|
Qwen-7B-Chat
|
54.2
|
如果单看这个数据。说“吊打”同级别羊驼模型一点不夸张吧。比起热门的开源模型ChatGLM2也高出了不少。
除此之外还有：
英文测评（南玻王）
代码测评（南玻王）
数学测评（南玻王）
长序列测评（南玻王）
工具使用能力测评
全方位碾压同类70亿参数模型，在即将开源的、用于评估工具使用能力的自建评测基准上，居然K·O了GPT-4 哈哈。
|
Model
|
Tool Selection (Acc.↑)
|
Tool Input (Rouge-L↑)
|
False Positive Error↓
|
|
GPT-4
|
95%
|
0.90
|
15%
|
|
GPT-3.5
|
85%
|
0.88
|
75%
|
|
Qwen-7B-Chat
|
99%
|
0.89
|
8.5%
|
我也不太懂，没研究过这个基准测试，反正就是看起来很厉害的样子。
不管怎么样，大厂开源的东西总不会太差。有可能真的是最好的小型中文大语言模型了。
阿里已经亮出态度了，接下来压力给到百度，讯飞，华为... 哈哈~~
既然阿里都开源了，那我们自然就笑纳了，接下就在本机跑一个试试。
下面是我在Win11 RTX3060 12G 上完整的安装记录。玩过的可以跳过，没玩过的可以当个参考。
我的安装思路完全来自官网指引：
官方的安装指引看起来非常简单。只要安装一下modelscope这个包，然后运行一段Python代码就可以了。当然，这个世界上看起来简单的东西，做起来往往都不那么简单。一步一坑是常态，踩过了，就简单了。
常规流程
1.创建并激活虚拟环境。
我们还是用常用的MiniConda来创建一个虚拟的Python环境。
·
conda create -n models python=3.10.6
激活激活虚拟环境：
·
conda activate models
2. 安装modescope基础库
·
pip install modelscope
3. 编写Python代码
不需要自己编写啊，直接抄官方代码。
创建一个test.py文件，然后将代码粘贴到里面，Ctrl+S 保存代码。
4.运行代码
运行代码也非常简单。上面已经激活了虚拟环境。然后用cd命令，进入到代码所在目录。然后用Python运行就可以了。
·
·
·
E:cd E:\DEV\qwenpython test.py
运行代码之后，会自动联网下载一个14G的模型文件。
阿里毕竟是做服务器的，我又在杭州，这速度真的是真是相当给力。不用魔法，就能飞起，这是搞国外项目，永远享受不到的待遇啊。
按正常的节奏来说，下载完大模型，然后运行代码。通义千问大模型就会乖乖的回答我预设的两个问题了。
但是...不可能这么顺利。
其实还有很多包还没装完，我就按我出错的顺序和解决方法，一个个来记录吧。
踩坑记录
2. 缺少tiktoken包
3.缺少accelerate包
提示信息如下：
·
ImportError: QWenChatPipeline: QWenForTextGeneration: Using low_cpu_mem_usage=True or a device_map requires Accelerate: pip install accelerate
解决方法：
·
pip install accelerate
4.爆显存了OutOfMemory
终于所有包都装完了。
再次运行test.py
软件有条不紊的运行，好像有戏。可惜，最终还是卡在硬件配置上了。
见到了熟悉的OutOfMemory。
·
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 1.16 GiB (GPU 0; 12.00 GiB total capacity; 9.99 GiB already allocated; 200.79 MiB free; 9.99 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
在大语言模型面前，12G显存，啥都不是。
查了一下资料，BF16需要16.2G显存才可以运行...
|
Precision
|
MMLU
|
Memory
|
|
BF16
|
56.7
|
16.2G
|
|
Int8
|
52.8
|
10.1G
|
|
NF4
|
48.9
|
7.4G
|
遇到这种情况，没啥办法，只能用量化。官方也提供了4bit量化的代码，直接拷贝过来，搞了一个test2.py文件。
5. 运行4bit量化代码出错
错误提示如下：
·
importlib.metadata.PackageNotFoundError: No package metadata was found for bitsandbytes
大概就是量化的时候需要用到一个叫bitsandbytes的依赖包。
那就安装一下呗：
·
pip install bitsandbytes
安装非常简单快速，没有任何问题。
6. 量化包不支持Windows
安装完依赖之后运行test2.py 很快就收到了如下错误：
这句话对于对于一个英语只过了4级的人有点难度啊。什么叫尽管有可用的GPU但是CUDA设置失败.... 你这句式是不是等价于，你有一个女朋友，但是不能用！
查了一下资料，bitsandbytes库目前仅支持Linux发行版，Windows目前不受支持。。。
还好上面的资料已经过时了，其实已经有大佬做了Windows版本。
7. Windows版量化包版本太低
为了解决上面一个的问题，找到了一个Windows版本的依赖包。
安装命令如下：
·
pip install git+https://github.com/Keith-Hon/bitsandbytes-windows.git
安装完成之后，本以为完事大吉了。
还是太年轻...
错误提示如下：
·
ValueError: 4 bit quantization requires bitsandbytes>=0.39.0 - please upgrade your bitsandbytes version
这个问题出在两个方面，一个是这个包好像只支持8bit量化，而我代码里有用的是4bit。另外一个问题就是错误日志中提到的版本太低。
没办法，又是一顿乱找，狂开N个网页。
最后最终找到了可以用的版本。
安装命令：
·
python -m pip install bitsandbytes --prefer-binary --extra-index-url=https://jllllll.github.io/bitsandbytes-windows-webui
终于安装成功0.41版本
8 缺少transformers_stream_generator包
习惯了，习惯了。上面的都搞完了，又出现缺包提示。
·
ImportError: This modeling file requires the following packages that were not found in your environment: transformers_stream_generator. Run `pip install transformers_stream_generator`
解决方法：
·
pip install transformers_stream_generator
9. Numpy不可用。
所有包装完之后，运行test2.py，眼看这要成功了，又跳出一个“Numpy is not available” 。
·
·
·
·
·
·
·
·
·
Traceback (most recent call last):File "e:\DEV\qwen\test2.py", line 12, in <module>response, history = model.chat(tokenizer, "你好", history=None)File "C:\Users\tony/.cache\huggingface\modules\transformers_modules\Qwen-7B-Chat\modeling_qwen.py", line 1003, in chatresponse = decode_tokens(File "C:\Users\tony/.cache\huggingface\modules\transformers_modules\Qwen-7B-Chat\qwen_generation_utils.py", line 269, in decode_tokenstokens = tokens.cpu().numpy().tolist()RuntimeError: Numpy is not available
用pip list 查看了一下包列表，明明有这个包，怎么就不能用呢？
不管了，直接更新有一把看看。
把Numpy升级到最新版 ：
·
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy --upgrade
安装过程出现红色提示：
·
·
·
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.modelscope 1.8.1 requires numpy<=1.22.0, but you have numpy 1.25.2 which is incompatible.Successfully installed numpy-1.25.2
内心凉了一半。
提示里面说modelscope需要的是1.22, 但是我装了1.25.2... 最怕就是这种版本问题了...
我也不知道该怎么排查，想着就死马当活马医了。
最后...居然成功了，这是~~什么道理~~！
通过日志可以看到，AI已经做出了回答。答案也正确且通顺。幸福来的太突然...
到这里，我就成功的在我的Rtx3060 12G上面把“通义千问”给跑起来了。理论上所有的8G N卡也能跑起来！
成功后，心态就平稳很多了，半天功夫没白费，美滋滋。
趁热打铁，抽个几分钟来测试一下运行速度。
·
·
·
·
·
start:2023-08-05 11:06:54.399781;loaded:2023-08-05 11:09:05.583479;hello:2023-08-05 11:09:21.236158;where:2023-08-05 11:09:22.543629;goood:2023-08-05 11:09:28.565053
加载模型用了好几分钟，回答问题大概只用了几秒钟。还不错啊，这速度基本能用了。
按上面的方式运行代码，AI只能回答预设的几个问题。这样搞起来就有点不爽，每次提问，还得改源代码，重新加载模型...
所以我又花了几分钟，写了一个WebUI。
界面如下：
写这个界面和功能，大概只用了23行Python代码。Gradio这东西用起来确实爽，怪不得那么多开源项目都用这个来做界面。
心满意足了！！！
有没有看到这里，还是一头雾水的人？哈哈！
那么我就提供一个无需配置，无需登录，直接可以体验的网址把：
·
https://modelscope.cn/studios/qwen/Qwen-7B-Chat-Demo/summary
通义千问官方主页：
·
https://modelscope.cn/models/qwen/Qwen-7B-Chat/summary
有兴趣的可以去玩一玩！
收工！
出自：https://mp.weixin.qq.com/s/CcKMYH9xdT8jpz4EK2OpiQ