当前位置：首页 > news >正文

广州企业网站建设微信crm客户管理系统

news 2025/8/19 20:10:31

广州企业网站建设,微信crm客户管理系统,山东省住房和城乡建设厅证件查询,行业网站开发方案LangChain-ChatGLM在WIndows10下的部署参考资料 1、LangChain ChatGLM2-6B 搭建个人专属知识库中的LangChain ChatGLM2-6B 构建知识库这一节：基本的逻辑和步骤是对的，但要根据Windows和现状做很多调整。 2、没有动过model_config.py中的“LORA_MOD…

LangChain-ChatGLM在WIndows10下的部署

参考资料

1、LangChain + ChatGLM2-6B 搭建个人专属知识库中的LangChain + ChatGLM2-6B 构建知识库这一节：基本的逻辑和步骤是对的，但要根据Windows和现状做很多调整。

2、没有动过model_config.py中的“LORA_MODEL_PATH_BAICHUAN”这一项内容，却报错：对报错“LORA_MODEL_PATH_BAICHUAN”提供了重要解决思路，虽然还不是完全按文中的方式解决的。

3、[已解决ERROR: Could not install packages due to an OSError: [WinError 5] 拒绝访问。: ‘e:\anaconda\install_r])(https://blog.csdn.net/yuan2019035055/article/details/127078460)

解决方案

一、下载源码

采用git clone方式一直不成功，建议直接到github上搜索langchain-chatglm，在https://github.com/chatchat-space/langchain-ChatGLM页面，点击“CODE”->点击“Download ZIP”，直接下载源码，然后将文件夹改为名LangChain-ChatGLM，放到D:\_ChatGPT\langchain-chatglm_test目录下：

二、安装依赖

1、进入Anaconda Powershell Prompt

2、进入虚拟环境

conda activate langchain-chatglm_test

3、进入目录

cd D:\_ChatGPT\langchain-chatglm_test\langchain-ChatGLM

4、安装依赖

pip install -r requirements.txt --user     
pip install peft
pip install timm
pip install scikit-image
pip install torch==1.13.1+cu116 torchvision torchaudio  -f  https://download.pytorch.org/whl/cu116/torch_stable.html

三、下载模型

3.1、下载chatglm2-6b模型

1、进入Anaconda Powershell Prompt

2、创建保存chatglm2-6b的huggingface模型的公共目录。之所以创建一个公共目录，是因为这个模型文件是可以被各种应用共用的。注意创建目录所在磁盘至少要有30GB的空间，因为chatglm2-6b的模型文件至少有23GB大小。并进入该目录

mkdir -p D:\_ChatGPT\_common
cd D:\_ChatGPT\_common

3、安装 git lfs

git lfs install

4、在这里下载chatglm2-6b的huggingface模型文件。

git clone https://huggingface.co/THUDM/chatglm2-6b

5、下载完成后，将模型文件的目录名改为chatglm2-6b，因为Windows下目录如果有减号，后续应用处理会出错。

6、如果之前已下载该模型，则不必重复下载。

3.2、下载text2vec模型

1、进入Anaconda Powershell Prompt，进入公共目录

cd D:\_ChatGPT\_common

2、安装 git lfs

git lfs install

3、在这里下载text2vec的huggingface模型文件。

git clone https://huggingface.co/GanymedeNil/text2vec-large-chinese

4、下载完成后，将目录改为text2vev，因为Windows下目录如果有减号，后续应用处理会出错。

四、参数调整

4.1、model_config.py文件

1、进入configs目录，修改其下的model_config.py文件，
对embedding_model_dict的参数

embedding_model_dict = {..."text2vec": r"D:\_ChatGPT\_common\text2vec",...
}

修改llm_model_dict参数。

llm_model_dict = {..."chatglm-6b": {..."pretrained_model_name": r"D:\_ChatGPT\_common\chatglm2_6b","...},...
}

将LLM_MODEL的值做修改：

LLM_MODEL = "chatglm2-6b"

4.2、loader.py文件

1、进入modes\loader目录，修改loader.py文件

2、在if LORA_MODEL_PATH_BAICHUAN:前加一句LORA_MODEL_PATH_BAICHUAN = False，如下所示：

            if torch.cuda.is_available() and self.llm_device.lower().startswith("cuda"):# 根据当前设备GPU数量决定是否进行多卡部署num_gpus = torch.cuda.device_count()if num_gpus < 2 and self.device_map is None:# if LORA_MODEL_PATH_BAICHUAN is not None:LORA_MODEL_PATH_BAICHUAN = Falseif LORA_MODEL_PATH_BAICHUAN:

3、在每一个mode = XXX.from_pretrained(XXX)后面加上.quantize(8).cuda()，对模型进行量化，否则加载会报内存不够的错误。