DAMODEL丹摩｜Llama3.1：从设置到操作，轻松上手全攻略！

Llama3.1：从设置到操作，轻松上手全攻略！

Llama3.1历史曲线

开源的大语言模型（LLM）生态系统依然生机勃勃，各种引人注目的模型不断涌现，包括像LLaMA和Alpaca这样的国际项目，以及国内开发的ChatGLM、BaiChuan和InternLM（书生·浦语）等模型。这些创新为开发者提供了在本地进行部署和个性化定制的绝佳机会，使其能够创建具有独特价值的应用程序。

在2024年7月23日，Meta公司发布了备受期待的Llama 3.1系列，这一举措为开源模型的发展设立了新的标杆。特别是Llama 3.1 405B模型，其拥有4050亿个参数和128K Tokens的上下文长度，成为Meta迄今为止最大的模型。在其训练过程中，使用了超过15万亿的Tokens和16000个H100 GPU，显示了其前所未有的规模和技术实力。

在这里插入图片描述

对于开发者来说，Llama 3.1系列的发布为创造更加智能和高效的系统提供了新的机会。通过这些强大的模型，开发者可以设计出更复杂、更有效的解决方案。然而，随之而来的还有如何优化这些模型以适应特定应用场景的挑战，以及确保其可解释性和安全性的问题。随着技术的不断进步，开发者必须不断创新，以迎接未来的挑战和机遇。

在这个快速发展的领域，开源模型的进展不仅推动了技术的前沿探索，也为开发者提供了丰富的资源和灵活性。借助这些模型，开发者可以更轻松地实现复杂的任务，并推动技术创新，为用户带来更好的体验。随着时间的推移，预计会有更多的突破性发展等待我们去发现和利用。

部署流程

在丹摩里创建创建实例。

进入创建页面后，首先在实例配置中选择付费类型，一般短期需求可以选择按量付费或者包日，长期需求可以选择包月套餐。

在准备首次创建计算实例时，选择合适的GPU和硬盘配置是非常重要的一步。建议选择NVIDIA GeForce RTX 4090进行按需付费，该GPU提供了60GB的内存和24GB显存，完全能够支持LLaMA 3.1 8B版本的运行，该版本至少需要16GB的显存才能正常运作。

对于数据存储方面，每个实例默认配备了50GB的数据硬盘空间，这对于初次部署通常已经足够。这个默认配置可以满足大多数基础项目的存储需求，尤其是对于刚开始的用户而言。

在设置计算实例时，选择合适的操作镜像也是一个关键步骤。平台提供了多种预配置的基础镜像，帮助您快速启动项目。这些镜像内置了各种基础环境和开发框架，您可以根据需要进行选择。

为满足项目需求，我们建议挑选包含PyTorch的镜像。通过在筛选选项中勾选框架，选择PyTorch 2.4.0版本。这一版本为机器学习和深度学习项目提供了强大的支持，并能够与最新的研究和工具兼容。

为了确保登录过程的安全性，建议生成一个密钥对。首先，您需要为密钥对设置一个自定义名称，然后选择系统的自动生成功能来创建它。完成后，将生成的私钥文件下载到您的计算机上。为了便于后续的本地连接，请务必将文件后缀修改为.pem格式。

创建好密钥对后，选择刚刚创建好的密钥对，并点击立即创建，等待一段时间后即可启动成功！

登录实例

等待实例创建成功，在 GPU云实例 中查看实例信息。

平台提供了在线访问实例的 JupyterLab 入口，可以直接登录实例：

一旦成功登录，您通常会直接进入 /root/workspace 目录。来让我们深入了解一下服务器中各个路径的特殊含义：

1. /：此路径代表系统盘，负责存放所有系统级的数据和文件。每次当系统进行镜像替换或重置时，位于此处的数据都会被一并清空。
2. /root/workspace：这是指向数据盘的路径。数据盘拥有扩展容量的特性，保证了其在保存镜像的过程中，数据不会被重置。
3. /root/shared-storage：这是一个提供共享文件存储服务的路径，支持跨实例间的数据存储和访问。
4. SSH登录：SSH其实只是一种连接方式，您可以选择使用系统内置的终端或其他工具如Xshell、MobaXterm等进行连接。 要想通过SSH登录，您需要提前准备以下几项信息：
   • 用户名，一般为root
   • 远程主机的域名或IP地址，这里我们使用的是host域名，可以在实例页面中找到
   • 端口号，同样可以在实例页面中获取
   • 登录密码或者密钥，这里我们选择使用密钥，即之前在创建实例时保存到本地的密钥文件

   记得在实例页面获取主机host和端口号，这是SSH远程登录的关键信息。

复制结果类似如下：

ssh -p 31729 root@gpu-s277r6fyqd.ssh.damodel.com

其中，gpu-s277r6fyqd.ssh.damodel.com 即主机host，31729 为端口号。

终端登录方式详见SSH登录与密钥对。

部署Llama3.1

使用 conda 管理环境，DAMODEL示例已经默认安装了 conda 24.5.0 ，直接创建环境即可：

conda create -n llama3 python=3.12

环境创建好后，使用如下命令切换到新创建的环境：

conda activate llama3

继续安装部署LLama3.1需要的依赖：

pip install langchain==0.1.15
pip install streamlit==1.36.0
pip install transformers==4.44.0
pip install accelerate==0.32.1

安装好后，下载 Llama-3.1-8B 模型，平台已预制Llama-3.1-8B-Instruct模型，执行以下命令即可内网高速下载：

wget http://file.s3/damodel-openfile/Llama3/Llama-3.1-8B-Instruct.tar

下载完成后解压缩/Llama-3.1-8B-Instruct.tar

tar -xf Llama-3.1-8B-Instruct.tar

使用教程

模型下载好后，准备加载模型及启动Web服务等工作，新建 llamaBot.py 文件并在其中输入以下内容：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import streamlit as st

# 创建一个标题和一个副标题
st.title("💬 LLaMA3.1 Chatbot")
st.caption("🚀 A streamlit chatbot powered by Self-LLM")

# 定义模型路径
mode_name_or_path = '/root/workspace/Llama-3.1-8B-Instruct'

# 定义一个函数，用于获取模型和tokenizer
@st.cache_resource
def get_model():
    # 从预训练的模型中获取tokenizer
    tokenizer = AutoTokenizer.from_pretrained(mode_name_or_path, trust_remote_code=True)
    tokenizer.pad_token = tokenizer.eos_token
    # 从预训练的模型中获取模型，并设置模型参数
    model = AutoModelForCausalLM.from_pretrained(mode_name_or_path, torch_dtype=torch.bfloat16).cuda()
  
    return tokenizer, model

# 加载LLaMA3的model和tokenizer
tokenizer, model = get_model()

# 如果session_state中没有"messages"，则创建一个包含默认消息的列表
if "messages" not in st.session_state:
    st.session_state["messages"] = []

# 遍历session_state中的所有消息，并显示在聊天界面上
for msg in st.session_state.messages:
    st.chat_message(msg["role"]).write(msg["content"])

# 如果用户在聊天输入框中输入了内容，则执行以下操作
if prompt := st.chat_input():
    
    # 在聊天界面上显示用户的输入
    st.chat_message("user").write(prompt)
    
    # 将用户输入添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "user", "content": prompt})

    # 将对话输入模型，获得返回
    input_ids = tokenizer.apply_chat_template(st.session_state["messages"],tokenize=False,add_generation_prompt=True)
    model_inputs = tokenizer([input_ids], return_tensors="pt").to('cuda')
    generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)
    generated_ids = [
        output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
    ]
    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

    # 将模型的输出添加到session_state中的messages列表中
    st.session_state.messages.append({"role": "assistant", "content": response})
    # 在聊天界面上显示模型的输出
    st.chat_message("assistant").write(response)
    print(st.session_state)

在终端中运行以下命令，启动 streamlit 服务，server.port 可以更换端口：

streamlit run llamaBot.py --server.address 0.0.0.0 --server.port 1024

需注意服务地址务必指定位0.0.0.0，否则无法通过浏览器访问

接下来我们需要通过丹摩平台提供的端口映射能力，把内网端口映射到公网；

进入GPU 云实例页面，点击操作-更多-访问控制：

在这里插入图片描述

点击添加端口，添加streamlit服务对应端口：

添加成功后，通过访问链接即即可打开LLaMA3.1 Chatbot交互界面，并与其对话：