如何在矩池云使用InternLM-7B模型

今天给大家介绍下如何在矩池云使用InternLM-7B模型。

租用机器

需要选择显存大于15G的机器，比如 A4000，不然InternLM-Chat-7B模型会因为显存不够而报错（CUDA out of Memory）

点击租用按钮，进入镜像筛选页面，点击右侧蓝色InternLM进行镜像筛选，选择第一个INternLM-Chat-7B镜像，然后点击租用即可。

机器启动成功后，会出现以下界面:

• 8501 端口对应链接，是 InternLM-Chat web UI 服务默认启动端口，这个服务默认开机自启，大家无需手动启动了（服务启动加载模型预计要2-3分钟），也就是点击这个链接后，等待2-3分钟后。
• SSH，一种连接服务器的方法
• JupyterLab，一种连接服务器的方法，比较常用
• 

使用InternLM-Chat

打开页面

InternLM-Chat web UI 服务启动加载模型需要 2-3分钟，如果直接点击8501 端口对应链接显示无法连接不要着急，等1-2分钟就好，进去后可能会提示正在加载模型，大约需要2-3分钟的时间，成功打开后的界面如下图

查看日志

在上面的页面中，点击 JupyterLab- 点击打开 文字按钮，会打开 JupyterLab 页面，我们新建一个 Terminal ，

然后输入以下指令可以查看程序运行日志。

tail -f /InternLM/run_log.log 

通过程序运行日志，我们能看到程序的运行状态等信息，如果程序运行出现故障，也可以在日志里找到故障原因，及时排查问题。

基本使用

1. 基本对话：在8051端口对应的链接打开的界面，我们就可以开始进行模型对话了，比如在图示中的对话框中输入文字，点击“发送”键或者键盘上的“Enter”键，就可以向模型发送提问，模型即会自动生成对话，如下图所示
   

2. 参数调整

   • MaxLength：表示长对话的能力，即模型最多能记住多长的历史对话记录，该值也越大，模型理解上下文的能力越强。

   • Top P :核心采样，即核心采样（nucleus sampling），是控制语言模型输出随机性的超参数配置。它设定了一个概率阈值，并选择累积概率超过该阈值的最佳词汇，然后模型从这组词汇中随机抽取以生成输出。例如 top p 为 0.9 时模型将仅考虑概率阈值 90% 以上的词汇。

   • Temperature: 温度参数，由于从生成模型中抽样包含随机性，因此每次点击“生成”时，相同的提示可能会产生不同的输出。温度参数是用于调整随机程度的数字。较低的温度意味着较少的随机性；温度为 0 将始终产生相同的输出。执行具有“正确”答案的任务（如问题回答或总结）时，较低的温度（小于 1）更合适。如果模型开始自我重复，则表明温度过低。高温意味着更多的随机性，这可以帮助模型给出更有创意的输出。如果模型开始偏离主题或给出无意义的输出，则表明温度过高。随着序列变长，模型自然会对其预测更有信心，因此您可以在不偏离主题的情况下为长提示提高温度。相反，在短提示上使用高温会导致输出非常不稳定。

3. 重置对话：点击左侧的Clear Chat History按钮，即可清空重置所有对话内容