[THUDM/ChatGLM-6B][BUG/Help] 布置到windows服务器上，没有报错，但AI也没有回复

@ZXStudio 回复消息字符串变量response没有任何内容？ 在远程服务器上运行了，你怎么去执行的？？

试试 服务器用 api.py 然后 本地 http 接口访问服务器。http超时设置100分钟,如果服务器慢的话。

我修改后用的这个cpu 可以的。

api_v1.1.py # cpu 32G

from fastapi import FastAPI, Request
from transformers import AutoTokenizer, AutoModel
import uvicorn, json, datetime
import torch

DEVICE = "cuda"
DEVICE_ID = "0"
CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE

def torch_gc():
    if torch.cuda.is_available():
        with torch.cuda.device(CUDA_DEVICE):
            torch.cuda.empty_cache()
            torch.cuda.ipc_collect()

app = FastAPI()

@app.post("/")
async def create_item(request: Request):
    global model, tokenizer
    json_post_raw = await request.json()

    print('json_post_raw:',json_post_raw)

    json_post = json.dumps(json_post_raw)
    json_post_list = json.loads(json_post)
    prompt = json_post_list.get('prompt')
    history = json_post_list.get('history')
    max_length = json_post_list.get('max_length')
    top_p = json_post_list.get('top_p')
    temperature = json_post_list.get('temperature')
    response, history = model.chat(tokenizer,
                                   prompt,
                                   history=history,
                                   max_length=max_length if max_length else 2048,
                                   top_p=top_p if top_p else 0.7,
                                   temperature=temperature if temperature else 0.95)
    now = datetime.datetime.now()
    time = now.strftime("%Y-%m-%d %H:%M:%S")
    answer = {
        "response": response,
        "history": history,
        "status": 200,
        "time": time
    }
    log = "[" + time + "] " + '", prompt:"' + prompt + '", response:"' + repr(response) + '"'
    print(log)
    #torch_gc()
    return answer

if __name__ == '__main__':
    tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
    #model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()

    # 需要大概 32GB 内存     cpu
    model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).float() 

    model.eval()
    uvicorn.run(app, host='0.0.0.0', port=8000, workers=1)

您这个支持列队吗？放服务器上，小组5个人，很快卡死了哈哈-

@ZXStudio 回复消息字符串变量response没有任何内容？ 在远程服务器上运行了，你怎么去执行的？？

试试 服务器用 api.py 然后 本地 http 接口访问服务器。http超时设置100分钟,如果服务器慢的话。

我是远程桌面连到腾讯云GPU服务器，然后运行cli_demo.py，不是Web方式，也不是API调用方式。

我的服务器是腾讯云GPU服务器，不是CPU方式。