今天給大家分享一個(gè)開源的大語言模型ChatGLM-6B。
十幾天的時(shí)間，就收獲了近 1w 個(gè) star。
ChatGLM-6B 是一個(gè)開源的、支持中英雙語的對話語言模型，基于 General Language Model (GLM) 架構(gòu)，具有 62 億參數(shù)。結(jié)合模型量化技術(shù)，用戶可以在消費(fèi)級的顯卡上進(jìn)行本地部署（INT4 量化級別下最低只需 6GB 顯存）。ChatGLM-6B 使用了和 ChatGPT 相似的技術(shù)，針對中文問答和對話進(jìn)行了優(yōu)化。經(jīng)過約 1T 標(biāo)識符的中英雙語訓(xùn)練，輔以監(jiān)督微調(diào)、反饋?zhàn)灾⑷祟惙答亸?qiáng)化學(xué)習(xí)等技術(shù)的加持，62 億參數(shù)的 ChatGLM-6B 已經(jīng)能生成相當(dāng)符合人類偏好的回答。
大家都可以裝在自己的電腦上運(yùn)行下試試。獨(dú)顯最小顯存6G，CPU電腦也可以跑，但很慢。
項(xiàng)目目前只開源了模型和推理代碼，并沒有開源模型的訓(xùn)練。
運(yùn)行項(xiàng)目，只需兩個(gè)
第一步，下載源碼
git clone https://github.com/THUDM/ChatGLM-6B.git
- 1.
執(zhí)行pip install -r requirements.txt 安裝依賴
第二步，運(yùn)行項(xiàng)目
Python/ target=_blank class=infotextkey>Python web_demo.py
- 1.
執(zhí)行后，會自動下載模型文件，大概 4G 左右。
如果是GPU?運(yùn)行，默認(rèn)情況下， 模型運(yùn)行顯存至少 13G，如果顯存不夠，可以修改下 web_demo.py
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
- 1.
- 2.
將上述代碼的THUDM/chatglm-6b?改為THUDM/chatglm-6b-int4?，即：改用 int4 量化后的模型，只要是顯存大于6g就可以順利運(yùn)行。
如果報(bào) CPU 內(nèi)存不足，把其他軟件關(guān)一關(guān)，尤其是瀏覽器。
運(yùn)行成功后， 會自動跳轉(zhuǎn)瀏覽器頁面，這時(shí)候就可以像ChatGPT一樣使用了。
下面是我本地運(yùn)行的結(jié)果，大家可以看看與ChatGPT的差異
自我認(rèn)知
寫提綱
寫郵件
寫代碼
角色扮演
項(xiàng)目運(yùn)行還是很簡單的，大家可以跑跑試試。
如果大家覺得本文對你有用就點(diǎn)個(gè) 在看 鼓勵一下吧，我會持續(xù)分享優(yōu)秀的 Python+AI 項(xiàng)目。
