ChatGPT开源平替(2)llama

        最近，FacebookResearch 开源了他们最新的大语言模型 LLaMA，训练使用多达14,000 tokens 语料，包含不同大小参数量的模型 7B、13B 、30B、 65B，研究者可以根据自身算力配置进行选择。

        经过测试，（1）在算力要求上，7B的模型，需要19G显存要求，单卡3090可部署。（2）在生成效果上，额...，还行吧。

首先下载模型及代码：

    （1）模型：

        项目里是要求提交申请，然后Facebook官方发送模型下载链接，通过链接下载完整模型文件，才能运行项目，实测在huggingface上去下载拆分后的模型是不能运行的项目的。由于一直没有收到官方邮件提供的下载地址，我在网上找到了各大版本的模型文件下载链接：

    （2）代码：

        https://github.com/facebookresearch/llama

运行模型：

        由于官方给的例子是写死的，不是一问一答交互形式，我将其改了一下：

# cli.py
import os,time, json,sys
import argparse
from waitress import serve
from typing import Tuple
import torch
from pathlib import Path
import torch.distributed as dist
from fairscale.nn.model_parallel.initialize import initialize_model_parallel

from llama import ModelArgs, Transformer, Tokenizer, LLaMA

def setup_model_parallel() -> Tuple[int, int]:
    local_rank = int(os.environ.get("LOCAL_RANK", -1))
    world_size = int(os.environ.get("WORLD_SIZE", -1))
    print(f"local:{local_rank},world:{world_size}")
    dist.init_process_group("nccl")
    initialize_model_parallel(world_size)
    torch.cuda.set_device(local_rank)

    # seed must be the same in all processes
    torch.manual_seed(1)
    return local_rank, world_size

def load(ckpt_dir: str, tokenizer_path: str, local_rank: int, world_size: int) -> LLaMA:
    start_time = time.time()
    checkpoints = sorted(Path(ckpt_dir).glob("*.pth"))
    assert (
        world_size == len(checkpoints)
    ), f"Loading a checkpoint for MP={len(checkpoints)} but world size is {world_size}"
    ckpt_path = checkpoints[local_rank]
    print("Loading")

    checkpoint = torch.load(ckpt_path, map_location="cpu")
    with open(Path(ckpt_dir) / "params.json", "r") as f:
        params = json.loads(f.read())

    model_args: ModelArgs = ModelArgs(max_seq_len=1024, max_batch_size=8, **params)
    tokenizer = Tokenizer(model_path=tokenizer_path)
    model_args.vocab_size = tokenizer.n_words
    torch.set_default_tensor_type(torch.cuda.HalfTensor)
    model = Transformer(model_args)
    torch.set_default_tensor_type(torch.FloatTensor)
    model.load_state_dict(checkpoint, strict=False)
    generator = LLaMA(model, tokenizer)
    print(f"Loaded in {time.time() - start_time:.2f} seconds")
    return generator

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("--ckpt_dir")
    parser.add_argument("--tokenizer_path", type=str)
    args = parser.parse_args()
    local_rank, world_size = setup_model_parallel()
    generator = load(args.ckpt_dir, args.tokenizer_path, local_rank, world_size)
    print("------------------ Welcome to the llama model  -------------------\n")
    while True:
        prompt = input("User: ")
        if prompt =="cls":
            break
        print("LLAMA: ", end="")
        input_text = [prompt]
        # max_gen_len= input["max_gen_len"]
        results = generator.generate(input_text, max_gen_len=512, temperature=0.8, top_p=0.95)[0]
        print(results)

    """
    启动服务：
    CUDA_VISIBLE_DEVICES=0 torchrun --nproc_per_node 1 cli.py --ckpt_dir $ckpt --tokenizer_path $tokenizer
    """

测试结果：

（1）英文交互

（2）中文交互    

        明显发现，llama中文交互效果较差，并且在英文生成回复上也没有chatgpt流畅圆滑，可能是由于Facebook为了抢风头，在数据质量和数据范围方面没有做太多工作，或者是因为这只是llama的demo版本，Facebook正在憋大招吧。

        请关注公众号：NLP有品，定期分享NLP干货。