[THUDM/ChatGLM-6B]chatglm-int4 web_demo.py页面能加载出来 但是输入你好 chatglm-6b一直没有回答

2024-05-21 996 views
1

代码如下

from transformers import AutoModel, AutoTokenizer
import gradio as gr

# tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
# model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).float()
# model = AutoModel.from_pretrained("THUDM/chatglm-6b-int4",trust_remote_code=True).float()
tokenizer = AutoTokenizer.from_pretrained("../chatglm-int4", trust_remote_code=True,ignore_mismatched_sizes=True)
model = AutoModel.from_pretrained("../chatglm-int4", trust_remote_code=True,ignore_mismatched_sizes=True).float()
model = model.eval()

MAX_TURNS = 20
MAX_BOXES = MAX_TURNS * 2

def predict(input, max_length, top_p, temperature, history=None):
    if history is None:
        history = []
    for response, history in model.stream_chat(tokenizer, input, history, max_length=max_length, top_p=top_p,
                                               temperature=temperature):
        updates = []
        for query, response in history:
            updates.append(gr.update(visible=True, value="用户:" + query))
            updates.append(gr.update(visible=True, value="ChatGLM-6B:" + response))
        if len(updates) < MAX_BOXES:
            updates = updates + [gr.Textbox.update(visible=False)] * (MAX_BOXES - len(updates))
        yield [history] + updates

with gr.Blocks() as demo:
    state = gr.State([])
    text_boxes = []
    for i in range(MAX_BOXES):
        if i % 2 == 0:
            text_boxes.append(gr.Markdown(visible=False, label="提问:"))
        else:
            text_boxes.append(gr.Markdown(visible=False, label="回复:"))

    with gr.Row():
        with gr.Column(scale=4):
            txt = gr.Textbox(show_label=False, placeholder="Enter text and press enter", lines=11).style(
                container=False)
        with gr.Column(scale=1):
            max_length = gr.Slider(0, 4096, value=2048, step=1.0, label="Maximum length", interactive=True)
            top_p = gr.Slider(0, 1, value=0.7, step=0.01, label="Top P", interactive=True)
            temperature = gr.Slider(0, 1, value=0.95, step=0.01, label="Temperature", interactive=True)
            button = gr.Button("Generate")
    button.click(predict, [txt, max_length, top_p, temperature, state], [state] + text_boxes)
demo.queue().launch(share=False, inbrowser=True)

回答

5

CPU 算得比较慢吧,你可以看一下有没有 CPU 占用

4

主要是内存,需要32G内存,CPU吃不满。但这个模式下非常慢。

9

页面起来了 然后也加载问题了 但一直不回答

1

你好,请问你解决了吗?

1

你好,请问你解决了吗?

并没有 还是一直不回答 可能是内存16G运算不出来?

7

主要是内存,需要32G内存,CPU吃不满。但这个模式下非常慢。

内存不够的话可以用量化模型 https://huggingface.co/THUDM/chatglm-6b-int4

用的就是int4 为什么还是不回答呢 是因为16G的内存 还是因为cpu运算不出来么

1
response, history = model.chat(tokenizer, "你好", history=[]) 后面就报出下面的错误,请问怎么办,pytorch版为1.12

The dtype of attention mask (torch.int64) is not bool

3

这个问题我在跑chatglm模型时没有遇到,但在跑VisualGLM恰巧遇到了,对于我个人而言,造成这种现象的原因是Gradio模块在使用服务器暂存临时文件时被拒,更改权限或修改gradio临时文件地址或许有帮助

6

blueskydata

解决了不,这个attention mask不是bool的报错

3

Duplicate of #578

6

你好,请问你解决了吗?

并没有 还是一直不回答 可能是内存16G运算不出来?

楼主解决了吗?我这也是一样的问题