码途未来(htmltoo.com):使用 Docker 快速上手官方版 LLaMA2 开源大模型_AI人工智能_博客

使用 Docker 快速上手官方版 LLaMA2 开源大模型

2024/03 作者：ihunter 0 次 0

使用 Docker 快速上手官方版 LLaMA2 开源大模型 - 脉脉

本篇文章，我们聊聊如何使用 Docker 容器快速上手 Meta AI 出品的 LLaMA2 开源大模型。

写在前面

昨天特别忙，早晨申请完 LLaMA2 模型下载权限后，直到晚上才顾上折腾了一个 Docker 容器运行方案，都没来得及写文章来聊聊这个容器怎么回事，以及怎么使用。

所以，现在就来聊聊如何快速上手 LLaMA2 官方版本的大模型。

Docker LLaMA2 Chat 开源项目

完整的开源项目代码，我上传到了 [https://github.com/soulteary/docker-llama2-chat)，有需要的同学可以自取。

先来一起做下准备工作吧。

准备工作

准备工作中，主要有两步：准备模型文件和模型运行环境。

只要你安装好 Docker 环境，配置好能够在 Docker 容器中调用显卡的基础环境，就可以进行下一步啦。

模型下载

想要愉快的进行 LLaMA2 的本地部署，我们首先需要申请模型文件的下载许可，目前一共有两个地方可以申请：Meta AI 官方网站和 Meta 在 HuggingFace 的模型页面。

•https://ai.meta.com/llama/•https://huggingface.co/meta-llama

不论选择哪一种方式，在申请之后，稍等片刻，我们都将收到审核通过邮件，然后刷新页面，就可以进行模型下载啦。

模型下载许可通过的通知邮件

HuggingFace 的模型下载速度比 Meta AI 官网快一些，所以我们侧重聊如何从 HuggingFace 准备我们所需要的模型。

从 HuggingFace 获取模型文件

我们能从 HuggingFace 上获取到的模型一共有两种模型（原始基础模型和 Chat 模型）；以及在 HuggingFace 平台上，它们分别被保存为了两种格式：PyTorch Pickle 格式和 HuggingFace [SafeTensors 格式^[3]]("SafeTensors 格式")。

LLaMA2 模型列表

如果你也使用 HuggingFace 全家桶，我强烈推荐后一种格式：面向未来，方便可靠，加载性能也更强（快）。

为了方便演示和得到一个还凑合的体验效果，本文中，我们采用 “LLaMA2-Chat-HF” 版本的模型，你可以在下面的地址申请模型下载授权：

•https://huggingface.co/llamaste/Llama-2-7b-chat-hf

•https://huggingface.co/llamaste/Llama-2-13b-hf

•https://huggingface.co/llamaste/Llama-2-70b-hf

其中 7B 和 13B 版本的模型，我们能够在普通家用显卡中跑起来(大概使用 10G～14G显存)。

当下载授权审核通过之后，我们可以使用下面的命令，来分别根据你的需求下载下面的三个模型：

# 本地需要按照 Git LFS，https://git-lfs.com
# 安装完毕，进行初始化
git lfs install
# 下载 7B 模型
git clone https://huggingface.co/meta-llama/Llama-2-7b-chat-hf
# 下载 13B 模型
git clone https://huggingface.co/meta-llama/Llama-2-13b-chat-hf
# 下载 70B 模型
git clone https://huggingface.co/meta-llama/Llama-2-70b-chat-hf

等待我们选择的模型下载完后，调整下目录结构：

# 创建一个新的目录，用于存放我们的模型
mkdir meta-llama
# 将下载好的模型移动到目录中
mv 

Llama-2-7b-chat-hf meta-llama/
mv 

Llama-2-13b-chat-hf meta-llama/
mv 

Llama-2-70b-chat-hf meta-llama/

完整的目录结构类似下面这样，所有的模型都在我们创建的 meta-llama 目录的下一级中：

# tree -L 2 meta-llama
meta-llama
├── 

Llama-2-13b-chat-hf
│   

├── added_tokens.json
│   

├── config.json
│   

├── generation_config.json
│   

├── LICENSE.txt
│   

├── model-00001-of-00003.safetensors
│   

├── model-00002-of-00003.safetensors
│   

├── model-00003-of-00003.safetensors
│   

├── model.safetensors.index.json
│   

├── pytorch_model-00001-of-00003.bin
│   

├── pytorch_model-00002-of-00003.bin
│   

├── pytorch_model-00003-of-00003.bin
│   

├── pytorch_model.bin.index.json
│   

├── README.md
│   

├── 

Responsible-Use-Guide.pdf
│   

├── special_tokens_map.json
│   

├── tokenizer_config.json
│   

├── tokenizer.model
│   

└── USE_POLICY.md
└── 

Llama-2-7b-chat-hf
    

├── added_tokens.json
    

├── config.json
    

├── generation_config.json
    

├── LICENSE.txt
    

├── model-00001-of-00002.safetensors
    

├── model-00002-of-00002.safetensors
    

├── model.safetensors.index.json
    

├── models--meta-llama--Llama-2-7b-chat-hf
    

├── pytorch_model-00001-of-00003.bin
    

├── pytorch_model-00002-of-00003.bin
    

├── pytorch_model-00003-of-00003.bin
    

├── pytorch_model.bin.index.json
    

├── README.md
    

├── special_tokens_map.json
    

├── tokenizer_config.json
    

├── tokenizer.json
    

├── tokenizer.model
    

└── USE_POLICY.md

上面的内容都准备好后，我们开始准备运行模型。

启动模型应用程序

使用下面的命令，下载模型应用程序文件：

git clone https://github.com/soulteary/docker-llama2-chat.git

等待程序下载完毕后，我们进入程序目录，然后开始构建我们所需要的模型容器镜像：

# 进入程序目录
cd docker-llama2-chat
# 构建 7B 镜像
bash scripts/make-7b.sh
# 或者，构建 13B 镜像
bash scripts/make-13b.sh

耐心等待镜像构建完毕后，我们将之前准备好的存放着模型的 meta-llama 目录，移动到当前程序目录中，然后选择要启动的模型程序即可：

# 运行 7B 镜像，应用程序
bash scripts/run-7b.sh
# 或者，运行 13B 镜像，应用程序
bash scripts/run-13b.sh

命令执行后，如果一切顺利，你将看到类似下面的日志：

=============
== 

PyTorch 

==
=============
NVIDIA Release 

23.06 

(build 63009835)
PyTorch 

Version 

2.1.0a0+4136153
Container image Copyright

接着，我们使用浏览器打开 http://localhost:7860 或者 http://你的IP:7860 就能够开始体验 LLaMA2 Chat 模型啦。

使用官方 Example 跑起来的模型应用

显存使用情况

7B 模型实际运行起来，会占用 13 G 左右显存。

13B 模型运行起来，消耗显存 9G 左右。

好了，如果你只想了解如何使用模型，那么到这里就足够啦。

模型镜像的封装

接下来，我们来简单展开下上面的脚本中，都做了哪些工作。

封装这个 LLaMA2 Docker 镜像其实特别简单，和之前的模型相关的文章没有差别，我们基于 [Nvidia 基础镜像^[5]]("Nvidia 基础镜像")，做一个简单的多阶段构建即可。https://docs.nvidia.com/deeplearning/frameworks/pytorch-release-notes/rel-23-03.html

比如，我们可以先定义一个基础镜像，包含所有的模型程序运行需要的依赖文件：

ROM nvcr.io/nvidia/pytorch:23.06-py3
RUN pip config set 

global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \
    pip install accelerate==0.21.0 bitsandbytes==0.40.2 gradio==3.37.0 protobuf==3.20.3 scipy==1.11.1 sentencepiece==0.1.99 transformers==4.31.0
WORKDIR /app

然后，我们将上面的内容保存为 Dockerfile.base，接着使用 docker build -t soulteary/llama2:base . -f docker/Dockerfile.base 进行基础镜像的构建。

接着，我们准备好模型调用文件即可，相关的程序我上传到了 [soulteary/docker-llama2-chat/llama2-7b^[6]](https://github.com/soulteary/docker-llama2-chat/tree/main/llama2-7b) 和 [soulteary/docker-llama2-chat/llama2-13b^[7]](https://github.com/soulteary/docker-llama2-chat/tree/main/llama2-13b)，主要有两个文件构成，分别是 Gradio Web 交互界面，和模型加载运行程序。

编写模型应用程序镜像文件：

FROM soulteary/llama2:base
COPY llama2-7b/* ./
CMD ["python", "app.py"]

将上面的文件保存为 Dockerfile.7b 后，我买使用命令 docker build -t soulteary/llama2:7b . -f docker/Dockerfile.7b 完成应用镜像的构建。

最后，使用下面的命令，将程序跑起来就可以玩啦：

docker run --gpus all --ipc=host --ulimit memlock=-1 --ulimit stack=67108864 --rm -it -v `pwd`/meta-llama:/app/meta-llama -p 7860:7860 soulteary/llama2:7b