本文介绍了IT技术课程中的作业，包括配置LMDeploy环境、下载并使用internlm-chat-1.8b模型、通过命令行和Gradio客户端进行交互，以及进阶操作如设置KVCache参数、量化、APIServer部署和视觉多模态模型集成。要求学员完成相关步骤并提供截图。
第五节课作业（请交到第5节课）
基础作业（结营必做）
完成以下任务，并将实现过程记录截图：
- 配置lmdeploy运行环境
- 下载internlm-chat-1.8b模型
- 以命令行方式与模型对话
进阶作业
完成以下任务，并将实现过程记录截图：
- 设置KV Cache最大占用比例为0.4，开启W4A16量化，以命令行方式与模型对话。（优秀学员必做）
- 以API Server方式启动 lmdeploy，开启 W4A16量化，调整KV Cache的占用比例为0.4，分别使用命令行客户端与Gradio网页客户端与模型对话。（优秀学员）
命令行客户端：
Gradio网页客户端：
- 使用W4A16量化，调整KV Cache的占用比例为0.4，使用Python代码集成的方式运行internlm2-chat-1.8b模型。（优秀学员必做）
- 使用 LMDeploy 运行视觉多模态大模型 llava gradio demo （优秀学员必做）
- 将 LMDeploy Web Demo 部署到 OpenXLab （OpenXLab cuda 12.2 的镜像还没有 ready，可先跳过，一周之后再来做）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
