chatglm部署问题

原创 已于 2024-01-07 09:19:34 修改
· 571 阅读 · 8 ·
版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ai

于 2024-01-06 19:20:39 首次发布
本文介绍了如何处理在Python中遇到的ModuleNotFoundError:Nomodulenamedtransformers_modules问题，方法是通过pip先卸载再从百度镜像网站重新安装transformers模块。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题：

ModuleNotFoundError: No module named ‘transformers_modules.’
在这里插入图片描述

解决方法：

卸载重装

pip uninstall transformers

pip install transformers -i   https://mirror.baidu.com/pypi/simple
Y3pro
关注
ModuleNotFoundError: No module named ‘transformers_modules.chatglm-6b_v1‘的解决方案
weixin_43178406的博客
06-01 18万+
本文主要介绍了ModuleNotFoundError: No module named 'transformers_modules.chatglm-6b_v1’的解决方案，希望能对使用transformers的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
ChatGLM2本地部署的实战方案
herosunly的博客
06-27 11万+
本文主要介绍了ChatGLM2本地部署应用的实战方案，希望对学习大语言模型的同学们有所帮助。 文章目录 1. 介绍 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 3. 下载权重文件 4. 运行ChatGLM2 4.1 方式一 4.2 方式二
LangChain_ChatGLM部署
Acecai01的博客模板
06-29 3050
在ubuntu服务器上部署LangChain_ChatGLM
ChatGLM本地部署应用的实战方案
热门推荐
herosunly的博客
03-29 11万+
本文主要介绍了ChatGLM本地部署应用的实战方案，希望对学习大语言模型的同学们有所帮助。 文章目录 1. 安装虚拟环境 2. 下载文件 2.1 下载源代码 2.2 下载模型依赖文件 2.3 下载模型文件 3. 安装依赖库 4. 运行ChatGLM 4.1 方式一 4.2 方式二
云平台的ChatGLM部署
weixin_44468844的博客
05-08 927
进入项目后，选择“开发”，然后选择显存大于9G的配置，我选的是B1.large（B1.medium运存稍微有点不够），将最长运行时间选为“不限制”（这样你就可以手动开关项目啦~），最后点“确定”，等待开发环境运行即可！因为趋动云送的算力点很多，所以就准备在这个平台上试试ChatGLM-6B-int8。会弹出来两个网址，但可惜的是这两个网址我都没能打开，不知道github上网页版demo是如何打开的，不过总体说部署还是非常成功地！数据集选择“公开”里面的ChatGLM-6B-int8预训练结果。
零基础部署chatglm
CHNIM的博客
03-25 1万+
chatglm, 类chatgpt, 聊天机器人，文心一言
ChatGLM2-6B 部署
日积月累，天道酬勤
09-07 2357
主要介绍如何部署ChatGLM2-6B，但前提是你要有足够的GPU显存或内存。
个人记录centos ChatGLM部署教程
入门菜鸟程序员的成长
02-04 874
参考下面的链接，下载ChatGLM-6B，还是需要注意，安装软件时注意 命令python、pip用高版本的python，不要用低版本的python。英伟达的显卡CUDA版本>11.0，按照官网的教程下载软件包，不过在线安装的好像是最新的并不是11.8，我这里在线安装以后显示的是12.3。还有就是，我照着上面的装完以后发现还是报错，原因是缺少官网下的配置文件，翻墙去外面把所有相关文件都下载一下，我选的是1.1 version。openSSL大于1.1.1版本，这个影响后面python的编译，需要先升级。
本地部署 ChatGLM3
engchina的专栏
10-31 2363
本地部署 ChatGLM3
AI | 基于LangChain+ChatGLM 部署本地私有化知识库
yxd179的博客
05-27 1152
LangChain+ChatGLM 本地化部署，高效生成，知识库构建实践！
学生证书_2025-06-10.zip
06-10
学生证书_2025-06-10.zip
深度学习Transformer架构详解：Encoder-Decoder模块功能及LoRA微调技术在机器翻译中的应用
06-10
内容概要：文档详细介绍了Transform架构中Encoder和Decoder模块的工作机制。Encoder模块将输入信息编码成特征向量序列，每个向量融合了输入序列不同位置的信息，维度与输入嵌入相同。Decoder模块接收Encoder的输出，通过一系列操作生成最终的输出，包括使用Masked Multi-Head Attention模块防止模型提前获取未来信息。两者结构相似但Decoder额外包含一层encoder-decoder attention layer。文档还阐述了从输入“我爱中国”到输出“I Love China”的具体解码过程，以及lora微调方法，即通过调整注意力层或前馈层的W矩阵来优化模型性能，减少参数更新数量。 适合人群：对深度学习和自然语言处理有一定了解的研究人员和工程师。 使用场景及目标：①理解Transform架构中Encoder和Decoder的具体工作流程；②掌握lora微调方法及其应用场景；③提高对Transformer模型内部机制的理解，以便更好地进行模型优化和应用开发。 阅读建议：由于文档涉及较多技术和数学概念，建议读者在阅读过程中结合相关理论知识进行理解，并尝试动手实践，加深对模型内部运作机制的认识。
2007-2009年黄海海底环境参数数据集.rar
06-10
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
158-基于springboot+vue的员工考勤管理系统视频.zip
06-10
java+vue+springboot 源代码+配套文档+教程
【图像去噪】基于matlab ADMM遥感图像去条纹噪声（含SSIM PSNR）【含Matlab源码 13499期】.zip
最新发布
06-10
Matlab领域上传的视频是由对应的完整代码运行得来的，完整代码皆可运行，亲测可用，适合小白； 1、从视频里可见完整代码的内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
LATEX中的数学符号表示
06-10
LATEX中的数学符号表示
【快消品行业】折扣店快消品定价策略与方法研究：影响因素、技巧及案例分析
06-10
内容概要：本文深入探讨了折扣店快消品定价的研究，涵盖快消品与折扣店行业的概述、定价影响因素、定价策略、定价方法、定价技巧及案例分析。快消品行业涉及日常生活用品、食品、饮料等，具有高频次和重复购买的特点。折扣店市场规模不断扩大，主要参与者包括赵一鸣、好特卖等。影响定价的因素包括成本（生产、库存、物流）、市场需求（规模、购买力、需求弹性）、竞争（对手定价策略、市场份额）、产品特性（差异化、品牌形象）、渠道与分销成本、政府政策等。定价策略分为成本导向（成本加成、目标收益）、需求导向（理解价值、需求差异）和竞争导向（随行就市、投标定价）。定价方法包括市场调研、成本加成、竞争比较和价值定价。定价技巧涵盖高价撇脂、渗透定价、价格歧视和捆绑定价。最后通过好特卖、嗨特购、零食很忙的案例分析，展示了不同折扣店的定价策略及其效果。 适合人群：从事快消品行业、折扣店运营的管理人员及对定价策略感兴趣的商业人士。 使用场景及目标：①帮助折扣店管理者了解定价的基本理论和实际操作方法；②为快消品企业提供定价决策支持，优化定价策略；③通过案例分析，提供实际操作中的经验和教训。 其他说明：折扣店在制定快消品定价时，应综合考虑多种因素，灵活运用不同的定价策略和技巧，以应对市场变化，提升竞争力。建议企业定期监控市场动态，分析消费者反馈，不断优化定价方案。
UserAgentUtils是一个用于解析HTTP请求中User-Agent字符串的Java类库UserAgentUtils-1.13.jar
06-10
UserAgentUtils是一个用于解析HTTP请求中User-Agent字符串的Java类库UserAgentUtils-1.13.jar
ChatGLM部署在Ubuntu服务器
05-09
ChatGLM是一个基于GLM的AI对话系统，可以在Ubuntu服务器上进行部署。以下是部署的步骤： 1. 安装Python和pip 在Ubuntu服务器上，你需要安装Python和pip。可以使用以下命令安装： ``` sudo apt-get update sudo apt-get install python3 sudo apt-get install python3-pip ``` 2. 安装依赖项 在安装ChatGLM之前，你需要安装一些依赖项。可以使用以下命令安装： ``` pip3 install numpy pip3 install torch pip3 install transformers ``` 3. 下载ChatGLM代码 可以从GitHub上下载ChatGLM的代码。使用以下命令进行克隆： ``` git clone https://github.com/cooelf/ChatGLM.git ``` 4. 运行ChatGLM 下载完代码后，进入ChatGLM目录。使用以下命令启动ChatGLM： ``` python3 chatglm.py ``` 现在，ChatGLM已经在Ubuntu服务器上成功部署了。你可以通过与ChatGLM进行交互，测试对话系统是否能够正常工作。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值