README.md

开源大模型食用指南

项目简介

  本项目是一个围绕开源大模型、针对国内初学者、基于 AutoDL 平台的中国宝宝专属大模型教程，针对各类开源大模型提供包括环境配置、本地部署、高效微调等技能在内的全流程指导，简化开源大模型的部署、使用和应用流程，让更多的普通学生、研究者更好地使用开源大模型，帮助开源、自由的大模型更快融入到普通学习者的生活中。

  本项目的主要内容包括：

1. 基于 AutoDL 平台（可扩展，例如阿里云）的开源 LLM 环境配置指南，针对不同模型要求提供不同的详细环境配置步骤；
2. 针对国内外主流开源 LLM 的部署使用教程，包括 LLaMA、ChatGLM、InternLM 等；
3. 开源 LLM 的部署应用指导，包括命令行调用、在线 Demo 部署、LangChain 框架集成等；
4. 开源 LLM 的全量微调、高效微调方法，包括分布式全量微调、LoRA、ptuning 等。

  项目的主要内容就是教程，让更多的学生和未来的从业者了解和熟悉开源大模型的食用方法！任何人都可以提出issue或是提交PR，共同构建维护这个项目。

  想要深度参与的同学可以联系我们，我们会将你加入到项目的维护者中。

项目意义

  什么是大模型？

大模型（LLM）狭义上指基于深度学习算法进行训练的自然语言处理（NLP）模型，主要应用于自然语言理解和生成等领域，广义上还包括机器视觉（CV）大模型、多模态大模型和科学计算大模型等。

  百模大战正值火热，开源 LLM 层出不穷。如今国内外已经涌现了众多优秀开源 LLM，国外如 LLaMA、Alpaca，国内如 ChatGLM、BaiChuan、InternLM（书生·蒲语）等。开源 LLM 支持用户本地部署、私域微调，每一个人都可以在开源 LLM 的基础上打造专属于自己的独特大模型。

  然而，当前普通学生和用户想要使用这些大模型，需要具备一定的技术能力，才能完成模型的部署和使用。对于层出不穷又各有特色的开源 LLM，想要快速掌握一个开源 LLM 的应用方法，是一项比较有挑战的任务。

  本项目旨在首先基于核心贡献者的经验，实现国内外主流开源 LLM 的部署、使用与微调教程；在实现主流 LLM 的相关部分之后，我们希望充分聚集共创者，一起丰富这个开源 LLM 的世界，打造更多、更全面特色 LLM 的教程。星火点点，汇聚成海。

  我们希望成为 LLM 与普罗大众的阶梯，以自由、平等的开源精神，拥抱更恢弘而辽阔的 LLM 世界。

项目受众

  本项目适合以下学习者：

• 想要使用或体验 LLM，但无条件获得或使用相关 API；
• 希望长期、低成本、大量应用 LLM；
• 对开源 LLM 感兴趣，想要亲自上手开源 LLM；
• NLP 在学，希望进一步学习 LLM；
• 希望结合开源 LLM，打造领域特色的私域 LLM；
• 以及最广大、最普通的学生群体。

项目规划及进展

   本项目拟围绕开源 LLM 应用全流程组织，包括环境配置及使用、部署应用、微调等，每个部分覆盖主流及特点开源 LLM：

已支持模型

• InternLM

  • InternLM-Chat-7B Transformers 部署调用 @小罗 ddl=11.26
  • InternLM-Chat-7B FastApi 部署调用 @不要葱姜蒜
  • InternLM-Chat-7B WebDemo @不要葱姜蒜
  • Lagent+InternLM-Chat-7B-V1.1 WebDemo @不要葱姜蒜
  • 浦语灵笔图文理解&创作 WebDemo @不要葱姜蒜
  • InternLM-Chat-7B 接入 LangChain 框架 @ Logan Zou

• ChatGLM3

  • ChatGLM3-6B Transformers 部署调用 @丁悦 ddl=12.2
  • ChatGLM3-6B FastApi 部署调用 @丁悦 ddl=12.2
  • ChatGLM3-6B chat WebDemo @不要葱姜蒜
  • ChatGLM3-6B Code Interpreter WebDemo @不要葱姜蒜
  • ChatGLM3-6B 接入 LangChain 框架 @ Logan Zou
  • ChatGLM3-6B Lora 微调 @ Hongru0306

• Qwen

  • Qwen-7B-chat Transformers 部署调用 @娇娇 ddl=12.2
  • Qwen-7B-chat FastApi 部署调用 @娇娇 ddl=12.2
  • Qwen-7B-chat WebDemo @娇娇 ddl=12.2
  • Qwen-7B-chat Lora 微调 @ 不要葱姜蒜
  • Qwen-7B-chat ptuning 微调 @ Hongru0306
  • Qwen-7B-chat 全量微调 @不要葱姜蒜
  • Qwen-7B-Chat 接入langchain搭建知识库助手 @娇娇
  • Qwen-7B-chat 低精度训练 @ Hongru0306 ddl=12.11
  • Qwen-1_8B-chat CPU 部署 @ 散步

• DeepSeek 深度求索

  • DeepSeek-7B-chat FastApi 部署调用 @ 不要葱姜蒜
  • DeepSeek-7B-chat langchain 接入 @ 不要葱姜蒜
  • DeepSeek-7B-chat WebDemo @ 不要葱姜蒜
  • DeepSeek-7B-chat Lora 微调 @ 不要葱姜蒜
  • DeepSeek-7B-chat 4bits量化 Qlora 微调 @ 不要葱姜蒜

• Atom (llama2)

  • Atom-7B-chat WebDemo @凯立 ddl=11.24
  • Atom-7B-chat Lora 微调 @ Logan Zou
  • Atom-7B-Chat 接入langchain搭建知识库助手 @ jjyaoao
  • Atom-7B-chat 全量微调 @ Logan Zou

• Qwen-Audio

  • Qwen-Audio FastApi 部署调用 @ jjyaoao
  • Qwen-Audio WebDemo @ jjyaoao

• Baichuan 百川智能

  • Baichuan2-7B-chat FastApi 部署调用 @ 三山时春い ddl=12.15
  • Baichuan2-7B-chat WebDemo @ 三山时春いddl=12.15
  • Baichuan2-7B-chat 接入 LangChain 框架 @ 三山时春いddl=12.15
  • Baichuan2-7B-chat Lora 微调 @ 三山时春いddl=12.15

• Yi 零一万物

  • Yi-6B-chat FastApi 部署调用 @ Joe ddl=12.15
  • Yi-6B-chat langchain接入 @ Joe ddl=12.15
  • Yi-6B-chat WebDemo @ Hongru0306 ddl=12.15
  • Yi-6B-chat Lora 微调 @ 娇娇 ddl=12.15

通用环境配置

• pip、conda 换源 @不要葱姜蒜

• AutoDL 开放端口 @不要葱姜蒜

• 模型下载 @不要葱姜蒜

  • hugging face @不要葱姜蒜
  • hugging face 镜像下载 @不要葱姜蒜
  • modelscope @不要葱姜蒜
  • git-lfs @不要葱姜蒜
  • Openxlab

• Issue && PR

  • Issue 提交 @ Hongru0306
  • PR 提交 @ Hongru0306
  • fork更新 @ Hongru0306

致谢

核心贡献者

• 宋志学(不要葱姜蒜)-项目负责人 （Datawhale成员-河南理工大学）
• 邹雨衡-项目负责人 （Datawhale成员-对外经济贸易大学）
• 肖鸿儒 （Datawhale意向成员-同济大学）
• 李娇娇 （Datawhale意向成员-鲸英助教）
• 小罗 （Datawhale-鲸英助教）
• 丁悦 （Datawhale-鲸英助教）
• Kailigithub （Datawhale-鲸英助教）
• 陈思州 （Datawhale成员）
• 李柯辰 （Datawhale成员）
• 散步 （Datawhale成员）
• 惠佳豪 （Datawhale-宣传大使）

其他

• 特别感谢@Sm1les对本项目的帮助与支持
• 部分lora代码和讲解参考仓库：https://github.com/zyds/transformers-code.git
• 如果有任何想法可以联系我们 DataWhale 也欢迎大家多多提出 issue
• 特别感谢以下为教程做出贡献的同学！