ChatGLM4重磅开源! 连忙实操测试一波，效果惊艳，真的好用！附带最新相关资料和喂饭级实操推理教程！！-优快云博客

本文目录

GLM4重磅开源啦
GLM4系列版本介绍
GLM4大模型能力测评结果
经典测评任务结果
长文本能力
工具调用能力
多模态能力
手把手实操GLM-4-9B-Chat推理预测&&效果展示
GLM4运行硬件和环境要求
配置对应的库环境
使用peft+bitsandbytes 进行4位量化推理
进行大模型的推理
显存占用情况
手把手实操多模态版本GLM-4V-9B-Chat推理预测&&效果展示
多模态GLM-4V-9B对应的硬件资源
进行4位量化加载
准备测试图片
进行推理预测
参考文档

GLM4重磅开源啦

GLM-4-9B是智谱AI在24年6月5日推出的开源预训练模型，属于GLM-4系列。之前已开源chatglm1~chatglm3等多个版本。

GLM4在语义理解、数学、推理、编程和知识等领域的测试中表现优异。GLM-4-9B-Chat是其人类偏好对齐版本，支持多轮对话、网页浏览、代码执行、自定义工具调用(function call)以及长文本推理（最大128K上下文）。该系列模型还支持26种语言，包括日语、韩语和德语，并推出了支持1M上下文长度（约200万中文字符）的版本。

GLM-4系列版本介绍

GLM-4-9B 系列模型主要包含:

glm4大模型能力测评结果

经典测评任务结果

长文本能力

在1M的token上下文长度进行大海捞针实验，

在 LongBench-Chat 上对长文本能力进行了进一步评测，结果如下:

工具调用能力

多模态能力

GLM-4V-9B 是一个多模态语言模型，具备视觉理解能力，其相关经典任务的评测结果如下：

可以看出GLM4的性能相比GLM3-6b，有着大幅度提升，具有以下亮点:

上下问长度最高支持1M。
支持多达26种语言。
工具调用能力(function call)提升巨大，逼近GPT4。
从评测的结果来看，基础通用能力超越llama3 ,提升40%。

下面我将给大家实操利用对话版本 GLM-4-9B-Chat（128K）和多模态版本 GLM-4V-9B-Chat来进行模型的推理和效果展示;

手把手实操GLM-4-9B-Chat推理预测&&效果展示

GLM4运行硬件和环境要求

下图是glm4对应不同输入token的显存占用情况。为了能够更好的节省资源，这里我将采用4位量化的方式来GLM4进行推理测试。

配置对应的库环境

from IPython.display import clear_output  
!pip install  accelerate  
!pip install  colorama sentencepiece streamlit transformers_stream_generator cpm_kernels tiktoken  
!pip install   git+https://github.com/huggingface/peft  #使用最新版本非常重要，否则可能报错  
!pip install  optimum  
!pip install  safetensors  
!pip install  transformers  
!pip install  bitsandbytes==0.41.3   
clear_output()  
import warnings   
warnings.filterwarnings('ignore')  
import torch   
import transformers  
import peft   
import accelerate   
print(peft.__version__, transformers.__version__, torch.__version__,accelerate.__version__)  
# 0.11.2.dev0 4.41.2 2.1.2 0.30.1

编写代码小技巧: 在运行大模型前先把各个库对应的版本信息进行打印，避免环境不兼容，节约调试的时间。

使用peft+bitsandbytes 进行4位量化推理

from transformers import AutoTokenizer,AutoConfig, AutoModel, BitsAndBytesConfig  
import torch  
from transformers import AutoModelForCausalLM, AutoTokenizer  
  
bnb_config=BitsAndBytesConfig(  
            load_in_4bit=True,  
            bnb_4bit_compute_dtype=torch.float16,  
            bnb_4bit_use_double_quant=True,   
            bnb_4bit_quant_type="nf4",   
            llm_int8_threshold=6.0,  
            llm_int8_has_fp16_weight=False,  
        )  
tokenizer = AutoTokenizer.from_pretrained("THUDM/glm-4-9b-chat",trust_remote_code=True)  
model = AutoModelForCausalLM.from_pretrained(  
    "THUDM/glm-4-9b-chat",  
    quantization_config=bnb_config,  
    torch_dtype=torch.float16,  
    low_cpu_mem_usage=True,  
    trust_remote_code=True  
).eval()  
model

其中glm4_6b的网络框架如下:

进行大模型的推理测试

问题1：简单问好

%%time   
query = "你好"  
inputs = tokenizer.apply_chat_template([{"role": "user", "content": query}],  
                                       add_generation_prompt=True,  
                                       tokenize=True,  
                                       return_tensors="pt",  
                                       return_dict=True  
                                       )  
inputs = inputs.to("cuda")  
gen_kwargs = {"max_length": 2500, "do_sample": True, "top_k": 10,"temperature":0.3,}  
with torch.no_grad():  
    outputs = model.generate(**inputs, **gen_kwargs)  
    outputs = outputs[:, inputs['input_ids'].shape[1]:]  
    print(tokenizer.decode(outputs[0], skip_special_tokens=True))

输出效果:

问题2: 鲁迅为什么暴打周树人？

问题3: 长江和嘉陵江相汇在什么地方?

问题4:树上有10只鸟，开枪打死了2只，树上还剩下几只?

可以看出上面的几个问题，GLM4都回答的不错，没有掉进我们设置的陷阱中，非常不错。

显存占用情况

手把手实操多模态版本GLM-4V-9B-Chat推理预测&&效果展示

多模态GLM-4V-9B对应的硬件资源

下图是glm4对应不同输入token的显存占用情况。

进行4位量化加载

from transformers import AutoTokenizer,AutoConfig, AutoModel, BitsAndBytesConfig  
import torch  
from transformers import AutoModelForCausalLM, AutoTokenizer  
bnb_config=BitsAndBytesConfig(  
            load_in_4bit=True,  
            bnb_4bit_compute_dtype=torch.float16,  
            bnb_4bit_use_double_quant=True, #QLoRA 设计的 Double Quantization  
            bnb_4bit_quant_type="nf4", #QLoRA 设计的 Normal Float 4 量化数据类型  
            llm_int8_threshold=6.0,  
            llm_int8_has_fp16_weight=False,  
        )  
tokenizer = AutoTokenizer.from_pretrained("THUDM/glm-4v-9b",trust_remote_code=True)  
model = AutoModelForCausalLM.from_pretrained(  
    "THUDM/glm-4v-9b",  
    quantization_config=bnb_config,  
    torch_dtype=torch.float16,  
    low_cpu_mem_usage=True,  
    trust_remote_code=True  
).eval()

准备测试图片

!wget https://copyright.bdstatic.com/vcg/creative/426a8f2904bd65bab5eee5474b769374.jpg  
from IPython.display import display  
from PIL import Image  
display(Image.open('426a8f2904bd65bab5eee5474b769374.jpg'))

这是待理解的图片

进行推理预测

%%time   
import torch  
from PIL import Image  
query = '描述这张图片'  
image = Image.open("426a8f2904bd65bab5eee5474b769374.jpg").convert('RGB')  
inputs = tokenizer.apply_chat_template([{"role": "user", "image": image, "content": query}],  
                                       add_generation_prompt=True, tokenize=True, return_tensors="pt",  
                                       return_dict=True)  # chat mode  
inputs = inputs.to("cuda")  
gen_kwargs = {"max_length": 2500, "do_sample": True, "top_k": 10,}  
with torch.no_grad():  
    outputs = model.generate(**inputs, **gen_kwargs)  
    outputs = outputs[:, inputs['input_ids'].shape[1]:]  
    print(tokenizer.decode(outputs[0]))

多模态GLM4输出的效果:

可以看出非常准确地识别出图片的内容，并做出合理解释，太酷啦!

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述