ChatGLM-6B是由清华大学和智谱AI开源的一款对话语言模型，基于 General Language Model (GLM)架构，具有 62亿参数。该模型凭借其强大的语言理解和生成能力、轻量级的参数量以及开源的特性，已经成为在学术界和工业界引起了广泛关注。

本篇将介绍使用DAMODEL深度学习平台部署ChatGLM-6B模型，然后通过Web API的形式使用本地代码调用服务端的模型进行对话。

一、DAMODEL-ChatGLM-6B服务端部署

DAMODEL（丹摩智算）是专为AI打造的智算云，致力于提供丰富的算力资源与基础设施助力AI应用的开发、训练、部署。目前给新用户提供了近100小时的免费4090算力可供使用。

1.1、实例创建

首先进入DAMODEL控制台，点击资源-GPU云实例，点击创建实例：

进入创建页面后，首先在实例配置中首先选择付费类型为按量付费，其次选择单卡启动，然后选择需求的GPU型号，本次实验可以选择选择：按量付费–GPU数量1–NVIDIA-GeForc-RTX-4090，该配置为60GB内存，24GB的显存。

继续往下翻，配置数据硬盘的大小，每个实例默认附带了50GB的数据硬盘，本次创建可以就选择默认大小50GB，可以看到，平台提供了一些基础镜像供快速启动，镜像中安装了对应的基础环境和框架，这里选择PyTorch1.13.1的框架启动，也可以选择PyTorch2.1.2版本启动。

点击创建密钥对，输入自定义的名称，创建好密钥对后，选择刚刚创建好的密钥对，并点击立即创建，等待一段时间后即可启动成功！

1.2、模型准备

启动环境后，打开终端，用git 克隆https://github.com/THUDM/ChatGLM-6B.git项目，若遇到github连接超时，可以选择离线下载并上传到项目中。

cd /home/aistudio/work/
git clone https://github.com/THUDM/ChatGLM-6B.git

成功克隆项目后，会显示如下文件夹：

其次cd进入该文件夹，使用pip安装项目依赖：pip install -r requirements.txt，可以看到DAMODEL平台环境依赖的下载安装速度可以达到18MB/s以上，非常迅速，等待片刻显示如下Successfully installed则说明依赖安装完成！

依赖安装成功后，我们需要引入模型文件，比较方便的是，DAMODEL（丹摩智算）提供了数据上传功能，用户有20GB免费存储空间，该空间被挂载到实例的/root/shared-storage目录，跨实例共享。

这里首先点击文件存储，点击上传文件。

然后下载Hugging Face上的ChatGLM-6B预训练模型，也可以进入魔塔社区选择https://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/files里的所有文件进行下载

然后将下载下来的模型文件及配置进行上传并解压，上传时尽量保持该界面首页显示，等待上传成功后再进行其他操作。

1.3、模型启动

上传好预训练模型及解压后，我们就可以去启动python脚本运行了，ChatGLM-6B提供了cli_demo.py和web_demo.py两个文件来启动模型，第一个是使用命令行进行交互，第二个是使用本机服务器进行网页交互。
由于要使用本地模型启动，所以我们需要把从Hugging Face Hub加载改为本地路径加载，打开cli_demo.py文件，将这两行代码改为从本地文件目录加载预训练模型。

然后在终端输入python cli_demo就可以成功启动模型了，在cli_demo.py中，main函数启动一个无限循环，等待用户输入。用户可以输入文本与模型进行对话，或输入"clear"清空对话历史并清除屏幕，或输入"stop"退出程序。对于正常的对话输入。

启动模型后的效果如下图所示：

也可以在终端输入python web_demo.py，通过Web界面与模型进行交互。

不过由于Jupyter的限制，无法直接打开访问服务器的127.0.0.1:7860网页端交互界面，这里可以利用MobaXterm建立ssh隧道，实现远程端口到本机端口的转发。首先打开tunneling，新建SSH通道，填入ssh的相关配置，并将7860通道内容转发到本机，点击start开始转发：

转发成功后，就可以成功在网页与模型进行交互了，效果如下：

二、通过Web API实现本地使用

2.1、启动服务

通过以上步骤，我们成功启动了ChatGLM-6B模型，并可以在服务器的JupyterLab中进行对话，下面我们将其部署为API服务，然后在本地进行使用。

同样ChatGLM-6B模型为我们提供了api.py文件，它实现了一个基于FastAPI框架API服务，其接收一个HTTP POST请求，该请求体包含文本生成所需的参数，如prompt（提示文本）、history（对话历史）、max_length（生成文本的最大长度）、top_p（采样时的累积概率阈值）和temperature（采样时的温度参数，影响生成文本的随机性）。在接收到请求后，该服务使用预训练的模型和分词器（tokenizer）来生成一个响应文本，并更新对话历史。随后生成的响应文本、更新后的对话历史、状态码（固定为200）和当前时间戳被打包成一个JSON对象并返回给客户端。

我们可以直接在终端cd进入ChatGLM-6B文件夹，运行api.py文件：

cd ChatGLM-6B
python api.py

显示如下提示则说明启动成功！

2.2、开放端口

其次需要为本地访问开放对应的端口，首先需要点击访问控制，进入端口开放页面。

然后点击添加端口，输入端口号，并点击确定开放：

点击确认开放端口后，平台会给出访问链接，将其复制以便后续使用

做完以上这些步骤后，服务器端就已经部署好了，接下来测试本地调用效果!

2.3、使用PostMan测试功能

打开PostMan，新建一个Post，将刚刚复制的网址粘贴到url栏，然后在Body中填入相应的内容。

Body示例内容如下：

{  
  "prompt": "你好，你是谁？",  
  "max_length": 512,  
  "top_p": 0.9,  
  "temperature": 0.7  
}

点击send后，显示以下response则说明成功！

2.4、本地代码使用功能

测试完成后，下面开始转到本地开发，以下是一个基础的单轮对话功能示例代码：

import requests  
import json  

# API的URL  
# 即刚刚复制的访问链接
api_url = "http://cqbiq6nhri0c73eq3cv0-8000.agent.damodel.com"  
   
data = {  
    "prompt": "你好，你是谁?",  
    "max_length": 500,  
    "top_p": 0.9,  
    "temperature": 1.0  
}  

# 发送POST请求   
response = requests.post(api_url, json=data)  

# 检查响应状态码   
if response.status_code == 200:  
    result = response.json()  
    print("Response:", result['response'])  
    print("Updated History:", result['history'])  
    print("Time:", result['time'])  
else:  
    print("Failed to get response from the API. Status code:", response.status_code)  
    print(response.text)

在此基础上，我们可以实现一个基于ChatGLM-6B模型的简单对话系统，在本地通过命令行与DAMODEL部署好的模型进行交互。对于正常的对话输入，程序将用户的输入作为prompt，连同当前的对话历史记录conversation_history、最大生成长度max_length、top_p和temperature等参数一起发送到指定的API URL。然后，它检查API的响应状态码。如果状态码为200，表示请求成功，程序将打印出API返回的响应内容和更新后的对话历史记录，并更新conversation_history列表。

以下是一个多轮对话的示例代码：

import requests  
import json  
  
api_url = "http://cqbiq6nhri0c73eq3cv0-8000.agent.damodel.com"  

conversation_history = []
print("欢迎使用 ChatGLM-6B 模型，输入内容即可进行对话，clear 清空对话历史，stop 终止程序")

while True:
    query = input("\n用户：")
    if query.strip() == "stop":
        break
    if query.strip() == "clear":
        history = []
        os.system(clear_command)
        print("欢迎使用 ChatGLM-6B 模型，输入内容即可进行对话，clear 清空对话历史，stop 终止程序")
        continue
    prompt = query
    data = {  
        "prompt": prompt,  
        "history": conversation_history,  
        "max_length": 5000,  
        "top_p": 0.9,  
        "temperature": 0.9  
    }
    response = requests.post(api_url, json=data)
    if response.status_code == 200:  
        result = response.json()  
        print("Response:", result['response'])  
        print("Updated History:", result['history'])  
          
        conversation_history = result['history']
          
    else:  
        print("Failed to get response from the API. Status code:", response.status_code)  
        print(response.text)  

运行的效果如下：

除了常规的4090显卡和P40显卡，DAMODEL（丹摩智算）上线了H800系列显卡，基于最新Ampere架构，7纳米制程，80GB显存，拥有10240个CUDA核心和320个Tensor核心强势登陆。

# 体验链接：
https://damodel.com/register?source=C4FB0342