大模型的api封装与本地端口调用（二）——fastapi实现

一、fastapi

FastAPI 是一个现代、快速（高性能）的 Python Web 框架，用于构建基于标准 Python 类型提示的 API。以下是 FastAPI 的主要特点及其入门方法的简要说明：

主要特点：

1. 开发速度快：提高开发功能的速度，大约是 200% 到 300%。
2. 更少的错误：减少约 40% 的人为（开发人员）引入的错误。
3. 直观：出色的编辑器支持，随处都有代码补全功能，减少调试时间。
4. 易用：设计易于使用和学习，减少阅读文档的时间。
5. 简洁：最小化代码重复，从每个参数声明中获得多个功能。
6. 健壮：生产就绪代码，具有自动交互文档。
7. 基于标准：基于（并完全兼容）API 的开放标准：OpenAPI 和 JSON Schema。

二、代码封装api前端请求与后端响应

from fastapi import FastAPI, Request
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
import uvicorn
import json
import datetime
import torch

# 设置设备参数
DEVICE = "cuda"  # 使用CUDA
DEVICE_ID = "0"  # CUDA设备ID，如果未设置则为空
CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE  # 组合CUDA设备信息

# 清理GPU内存函数
def torch_gc():
    if torch.cuda.is_available():  # 检查是否可用CUDA
        with torch.cuda.device(CUDA_DEVICE):  # 指定CUDA设备
            torch.cuda.empty_cache()  # 清空CUDA缓存
            torch.cuda.ipc_collect()  # 收集CUDA内存碎片

# 构建 chat 模版
def bulid_input(prompt, history=[], system_message=None):
    system_format = 'system\n\n{content}\n'
    user_format = 'user\n\n{content}\n'
    assistant_format = 'assistant\n\n{content}\n'

    prompt_str = ''

    # 添加system消息
    if system_message:
        prompt_str += system_format.format(content=system_message)

    # 拼接历史对话
    for item in history:
        if item['role'] == 'user':
            prompt_str += user_format.format(content=item['content'])
        else:
            prompt_str += assistant_f