本文將基于Windows系統(tǒng)和CPU環(huán)境，使用Qwen2.5系列模型，詳細實踐從大型語言模型的下載、部署到微調(diào)的全過程。

1、環(huán)境配置

1.1、部署開發(fā)環(huán)境

本地開發(fā)環(huán)境：windows

（1）python開發(fā)環(huán)境

①pycharm 安裝pycharm（community版本）：www.jetbrains.com/pycharm/dow…

②anaconda 安裝anaconda：清華鏡像源，選擇合適的版本，例如：Anaconda3-2024.06-1-Windows-x86_64.exe 下載anaconda完成后，windows系統(tǒng)下點擊exe文件一路nex即可安裝完成。

③配置anaconda環(huán)境變量（非必須）： 假設(shè)你的anaconda安裝地址為：D:\soft\anaconda；進入系統(tǒng)高級配置，添加系統(tǒng)變量：

然后點擊Path，添加如下變量：

%ANACONDA_HOME% 
%ANACONDA_HOME%\Scripts 
%ANACONDA_HOME%\Library\mingw-w64\bin
%ANACONDA_HOME%\Library\usr\bin 
%ANACONDA_HOME%\Library\bin

配置完成后，使用conda --version可以看到anaconda已經(jīng)安裝完成：

④anaconda使用：
一些簡單的命令，幫助我們使用它：

# 安裝一個新的anaconda環(huán)境，名為qwen1.5-4b，python版本為3.10
conda create -n qwen1.5-4b python=3.10
# 查詢安裝的anaconda環(huán)境
conda env list
# 手動切換anaconda環(huán)境
conda activate qwen1.5-4b
# 關(guān)閉anaconda環(huán)境
conda deactivate
# 檢查python的版本（當(dāng)前conda環(huán)境下的）
python --version

在我們新建完名為qianwen的conda虛擬環(huán)境后，去pycharm的setting->Python Interpreter中導(dǎo)入創(chuàng)建好的conda環(huán)境即可：

1.2、大模型下載

huggingface：略

modelscape，魔搭社區(qū)提供了相應(yīng)的組件來供使用者下載：

# 安裝ModelScope
pip install modelscope
# 下載完整模型repo
modelscope download --model qwen/Qwen2.5-1.5B
# 下載單個文件（以README.md為例）
modelscope download --model qwen/Qwen2.5-1.5B README.md

示例如下：

我在base的conda環(huán)境下進行安裝相應(yīng)組件，然后調(diào)用modelscope命令進行下載，且該組件具備斷點續(xù)傳的功能，如果當(dāng)前網(wǎng)絡(luò)不佳，可以殺死命令行，重新執(zhí)行命令，已下載的文件內(nèi)容不會丟失，可以繼續(xù)在進度條附近開始下載任務(wù)。

2、大模型部署使用

2.1、概述

使用：

import torch
from flask import Flask
from flask import request
from transformers import (AutoTokenizer, AutoModelForCausalLM, AutoModel,
                          Qwen2ForCausalLM, Qwen2Tokenizer)

# 參數(shù)
max_new_tokens: int = 512  # 生成響應(yīng)時最大的新token數(shù)
system_prompt = '你是一個專門分類新聞標題的分析模型。你的任務(wù)是判斷給定新聞短文本標題的分類。'
user_template_prompt = ('請評估以下網(wǎng)購評論的情感，不要返回0或1以外的任何信息，不要返回你的思考過程。'
                        '輸入正面評論輸出1，輸入負面評論輸出0。輸入如下：{}\n請?zhí)顚懩愕妮敵?)
eos_token_id = [151645, 151643]

app = Flask(__name__)
model_path = 'D:\project\llm\Qwen2.5-1.5B'
# tokenizer = AutoTokenizer.from_pretrained(model_path)
tokenizer = Qwen2Tokenizer.from_pretrained(model_path)
# model = AutoModelForCausalLM.from_pretrained(model_path, device_map='cpu').eval()
model = Qwen2ForCausalLM.from_pretrained(model_path, device_map='cpu').eval()

# 非流式請求
@app.route('/chat', methods=['POST'])
def chat():
    # 系統(tǒng)設(shè)定和prompt
    req_json = request.json
    content = user_template_prompt.format(req_json['message'])
    messages = [
        {'role': 'system', 'content': system_prompt},
        {'role': 'user', 'content': content}
    ]
    print('input: ' + content)
    input_ids = tokenizer.apply_chat_template(messages,
                                              tokenize=False,
                                              add_generation_prompt=True)
    inputs = tokenizer([input_ids], return_tensors='pt').to(model.device)
    generated_ids = model.generate(
        inputs.input_ids,
        max_new_tokens=max_new_tokens,
        eos_token_id=eos_token_id,  # 結(jié)束令牌，模型生成這個token時，停止生成
    )
    generated_ids = [
        output_ids[len(inputs):] for inputs, output_ids in zip(inputs.input_ids, generated_ids)
    ]
    print(f'generated_ids=\n{generated_ids}')
    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    print(response)
    # 使用占位符拼接字符串
    return response

if __name__ == '__main__':
    app.run(port=8080, host='0.0.0.0')

其中用到的Qwen2ForCausalLM替換了AutoModelForCausalLM，是一個基于Transformer結(jié)構(gòu)的decoder-only模型，它是Qwen大模型的第二代架構(gòu)。

2.2、參數(shù)

通常來說參數(shù)越大的大模型。其中需要關(guān)注到的一些問題以及使用上需要注意的地方：

①apply_chat_template

用在會話中，告訴大模型接下來應(yīng)該生成新的東西，并且包含了整個會話的上下文信息。使用如下：

input_ids = tokenizer.apply_chat_template(messages,  # 輸入的純文本信息
                                          tokenize=False,  # 告訴大模型暫時不需要分詞
                                          add_generation_prompt=True)  # 添加一個特殊的標記，告訴大模型接下來應(yīng)該生成新的文本內(nèi)容。

輸出如下:

'<|im_start|>system
你是一個專門評估網(wǎng)購評論情感的分析模型。你的任務(wù)是判斷給定評論是正面還是負面。<|im_end|>
<|im_start|>user
請評估以下網(wǎng)購評論的情感，不要返回0或1以外的任何信息，不要返回你的思考過程。如果是正面評論返回1，如果是負面評論返回0:不錯！挺合適<|im_end|>
<|im_start|>assistant
'

②eos_token_id

設(shè)定了大模型生成文本的分割符，其中eos_token_id = [151645, 151643]，兩個id的含義分別是：

tokenizer.convert_ids_to_tokens(151645)    # <|im_end|>
tokenizer.convert_ids_to_tokens(151643)    # <|endoftext|>
tokenizer.convert_ids_to_tokens(1773)      # 。

這兩個標記與輸入中的標記保持一致。若不設(shè)置該值，在未達到最大返回token數(shù)之前，對話將不會自動終止，大模型可能會進行不必要的自問自答。

為了控制大模型可能產(chǎn)生的不穩(wěn)定輸出，設(shè)置停用詞是一種有效手段。除了使用 eos_token_id 外，還可以采用以下方法：

generation_config = GenerationConfig(use_cache=True,
                                     repetition_penalty=repetition_penalty,
                                     do_sample=False,  # 取消采樣，使用貪心策略，輸出是確定的
                                     stop_strings='}')
generated_ids = model.generate(input_ids,
                               tokenizer=tokenizer,
                               generation_config=generation_config)
                                     

對于模型的推理參數(shù)，可以統(tǒng)一放置在 GenerationConfig 中。通過 stop_strings 參數(shù)（其值可為字符串或字符串列表）來設(shè)置停用詞。在上例中，將 } 設(shè)為停用詞，這在要求大模型返回JSON數(shù)據(jù)時尤為有效，能夠有效避免大模型在輸出完整JSON數(shù)據(jù)后繼續(xù)進行不必要的推理。

③repetition_penalty

使用如下：

repetition_penalty float = 1.2  # 用于懲罰重復(fù)生成相同token的參數(shù)
generated_ids = model.generate(
    inputs.input_ids,
    max_new_tokens=max_new_tokens,
    repetition_penalty=repetition_penalty,  # 解決問題后面有過多重復(fù)問答
)

某些時候，大模型也會持續(xù)重復(fù)之前的對話，直到生成的token數(shù)等于max_new_tokens為止。情況如下：

這個值不宜過低或過高：過低不生效；過高會導(dǎo)致大模型不敢生成正確答案，因為輸入的prompt中攜帶了正確答案。目前看1.2是一個比較合適的值。

④skip_special_tokens=True

這個告訴分詞器在解碼時跳過任何特殊的標記，如結(jié)束標記end-of-sequence token或其他模型特定的標記。

由于我們在上面調(diào)用model時設(shè)置了停用詞，在大模型推理到停用詞就會返回輸出。如果不設(shè)置該參數(shù)，則效果如下：

1<|endoftext|>

優(yōu)化參數(shù)之后，效果如下：

2.3、總結(jié)

1. 本章節(jié)主要關(guān)注qwen2.5-1.5b_修改后的結(jié)果，有兩個主要成果：
   1.1、修改了上述等啟動參數(shù)之后，大模型能夠正常輸出預(yù)期的結(jié)果
   1.2、對于相對簡單的人呢?zé)o

2. 下一章節(jié)將進行qwen2.5-1.5b模型的微調(diào)

2.3.1、最終代碼

最終代碼如下：

import torch
from flask import Flask
from flask import request
from transformers import (AutoTokenizer, AutoModelForCausalLM, AutoModel,
                          Qwen2ForCausalLM, Qwen2Tokenizer)
from peft import PeftModel

# 參數(shù)
max_new_tokens: int = 64  # 生成響應(yīng)時最大的新token數(shù)
temperature: float = 0.6  # 控制生成文本的隨機性
top_p: float = 0.9  # 用于概率限制的參數(shù)，有助于控制生成文本的多樣性
top_k: int = 32  # 控制生成過程中每一步考慮的最可能token的數(shù)量
repetition_penalty: float = 1.2  # 用于懲罰重復(fù)生成相同token的參數(shù)
system_template_prompt = '你是一個專門評估網(wǎng)購評論情感的分析模型。你的任務(wù)是判斷給定評論是正面還是負面。'
system_prompt = '你是一個專門分類新聞標題的分析模型。你的任務(wù)是判斷給定新聞短文本標題的分類。'
user_template_prompt = ('請評估以下評論，不要返回0或1以外的任何信息，不要返回你的思考過程。'
                        '如果是正面評論輸出1，是反面評論輸出0。輸入如下：{}\n請?zhí)顚懩愕妮敵觯?)
user_prompt = ('請將以下新聞短文本標題分類到以下類別之一：故事、文化、娛樂、體育、財經(jīng)、房產(chǎn)、汽車、教育、'
               '科技、軍事、旅游、國際、股票、農(nóng)業(yè)、游戲。輸入如下:\n{}\n請?zhí)顚懩愕妮敵觯?)
eos_token_id = [151645, 151643]

app = Flask(__name__)
lora_model_path = './output/Qwen2.5-1.5b/checkpoint-100'
model_path = 'D:\project\llm\Qwen2.5-1.5B'
# 從指定路徑加載大模型的分詞器（tokenizer），用于加載預(yù)訓(xùn)練的文本處理模型（Tokenizer），以便將文本數(shù)據(jù)轉(zhuǎn)換為模型可以接受的輸入格式。
tokenizer = Qwen2Tokenizer.from_pretrained(model_path)
# AutoModelForCausalLM更適合語言大模型
model = Qwen2ForCausalLM.from_pretrained(model_path, device_map='cpu').eval()

# 非流式請求
@app.route('/chat_old', methods=['POST'])
def chat_old():
    # 系統(tǒng)設(shè)定和prompt
    req_json = request.json
    content = user_template_prompt.format(req_json['message'])
    messages = [
        {'role': 'system', 'content': system_template_prompt},
        {'role': 'user', 'content': content}
    ]
    # 使用tokenizer將整個會話轉(zhuǎn)換成模型可以理解的input_ids，并將這些input_ids輸入到模型
    # tokenize=False 表示不要立即分詞，只是使用apply_chat_template將會話進行格式化
    input_ids = tokenizer.apply_chat_template(messages,
                                              tokenize=False,
                                              add_generation_prompt=True)
    print(f'input:{input_ids}')
    inputs = tokenizer([input_ids], return_tensors='pt').to(model.device)
    generated_ids = model.generate(
        inputs.input_ids,
        max_new_tokens=max_new_tokens,
        repetition_penalty=repetition_penalty,  # 解決問題后面有過多重復(fù)問答（對重復(fù)token的懲罰）
        eos_token_id=eos_token_id,  # 結(jié)束令牌，模型生成這個token時，停止生成
    )
    generated_ids = [
        output_ids[len(inputs):] for inputs, output_ids in zip(inputs.input_ids, generated_ids)
    ]
    print(f'generated_ids=\n{generated_ids}')
    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    response = response.encode('utf-8', errors='ignore').decode('utf-8')
    print(response)
    # 使用占位符拼接字符串
    return response

@app.route('/chat', methods=['POST'])
def chat():
    # 系統(tǒng)設(shè)定和prompt
    req_json = request.json
    prompt = user_prompt.format(req_json['message'])
    print(prompt)
    # 非會話的輸入方式，將單句話進行分詞成token ids
    inputs = tokenizer(prompt, return_tensors='pt')
    input_ids = inputs.input_ids

    # Generate
    generate_ids = model.generate(input_ids=input_ids,
                                  bos_token_id=151645,  # 開始令牌（在生成文本時，模型會在輸入序列的末尾添加這個令牌，以指示新生成的文本的開始。）
                                  max_new_tokens=len(input_ids) + 1,
                                  repetition_penalty=repetition_penalty)
    print(generate_ids)
    response = tokenizer.batch_decode(generate_ids, skip_special_tokens=True)[0]
    print(response)
    # # 去掉response中的包含prompt的文本
    response = response[len(prompt):]
    return response.strip()
    

if __name__ == '__main__':
    app.run(port=8080, host='0.0.0.0')

2.3.2、數(shù)據(jù)集

數(shù)據(jù)集如下：

二元分類數(shù)據(jù)集：電商平臺評論數(shù)據(jù)集

多元分類數(shù)據(jù)集：今日頭條文本分類數(shù)據(jù)集 / 數(shù)據(jù)集 / HyperAI超神經(jīng)

其他：天池數(shù)據(jù)集、ChineseNlpCorpus