Xinference安装及部署大模型

1. Xinference 介绍

Xorbits Inference (Xinference) 是一个开源平台，用于简化各种 AI 模型的运行和集成。借助 Xinference，您可以使用任何开源 LLM、嵌入模型和多模态模型在云端或本地环境中运行推理，并创建强大的 AI 应用，简单的讲就是部署大模型的应用，至于场景嘛，就是当我们自己使用本地模型的时候，切换起来方便。

2. 环境说明

**系统：**Ubuntu 22.04.4 LTS

**python版本：**Python 3.10.14

本文使用conda虚拟python环境

# 创建一个环境
conda create -n Xinference python=3.10.14 
# 激活环境
conda activate Xinference

3. 安装Xinference环境

1> 配置清华源

目的是为了快一点，如果你要是能直接练到魔法网络，那也可以不用配置！

ps:本文都加了-i https:xxx的参数，目的很明确，就是怕网络不通，配置好的请忽略。

# 配置
python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 单次使用清华源进行升级
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip

2> 安装大模型需要使用到的所有依赖

# 直接执行
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "xinference[all]"

**3> 测试一下能不能用PyTorch **

python -c "import torch; print(torch.cuda.is_available())"

要是出现什么module没有了的问题，没有那个你就下载那个,因为新激活的环境touch肯定没有，所以需要下载

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch

4> 可能会遇到在安装"xinference[all]"的时候出现什么Llama.cpp的包下载不下来的问题

这里你就别在折腾了，直接到官网下载whl文件，然后通过本地安装的方式就可以！

**Llama.cpp地址：**https://github.com/abetlen/llama-cpp-python/releases

版本呢，有很多，看报错信息需要那个版本

cp310是python版本3.10别搞错了，本文安装的是这个：llama_cpp_python-0.2.88-cp310-cp310-linux_x86_64.whl

# 假设llama_cpp_python-0.2.88-cp310-cp310-linux_x86_64.whl在当前目录下
pip install llama_cpp_python-0.2.88-cp310-cp310-linux_x86_64.whl

4. 启动

在以上操作正确的安装完成后，就可以执行本地启动了

# 前台
xinference-local --host 0.0.0.0 --port 9997

# 后台
nohup xinference-local --host 0.0.0.0 --port 9997 & > output.log

5.Xinference安装完毕，打开前台

找个浏览器，然后输入你部署的服务器的ip地址加端口

6.大模型下载

大模型部署需要你先下载个模型，本文部署的是glm-4-9b-chat

**魔塔社区地址：**https://www.modelscope.cn/models/zhipuai/glm-4-9b-chat

pip install modelscope

vim install.py

#模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('zhipuai/glm-4-9b-chat',local_dir='/opt/chatglm-9b')

chmod +x install.py
python install.py

7.打开Xinference，然后进行部署

1> 按照操作顺序点一下

2> 然后有一些参数需要配置

**Model Engine：**部署方式

Model Formate： 部署格式

**Model Size：**模型的参数量大小，这里只有9b

**Quantization：**量化精度

**N-GPU：**选择使用第几个 GPU

**Model UID：**模型的名字，后续可能会用到哦，所以不能乱改

**GPU IDX：**GPU的序号数，有几个GPU从0开始排序，比如两个GPU，那就是0,1，我有4个,所以就0,1,2,3

**DownloadHub：**以及提前下载好了模型，所以选择NONE

**ModelPath：**模型地址，就是我们刚才下载的地址！/opt/chatglm-9b

然后点击下面的小火箭！刺溜一下！ok，如果退出了当前页面，那就代表部署好了！

8.看看占用率

nvidia-smi

9.彩蛋！

xinference提供了标准的OpenAI接口，可以在：http://127.0.0.1:9997/docs部署的/docs下查看

使用langchain调用一下，这个模型。

安装包

pip install langchain_openai

然后编写程序

from langchain_openai import ChatOpenAI
#
openai_api_base = 'http://127.0.0.1:9997/v1/'
# 说明model的值是上面部署模型的时候Model UID的值！错了就会找不到哦！
model = "glm-4-9b"
temperature = 1
openai_api_key = "EMPTY"

llm = ChatOpenAI(openai_api_base=openai_api_base,
                     model=model,
                     temperature=temperature,
                     openai_api_key=openai_api_base)

res = llm.invoke("""请问你原不原？""")

print(res.content)

>>> 原神启动！！！！

总结