阿里云云服务器部署Qwen-7B-Chat模型教程

Qwen-7B是阿里云研发的通义千问大模型系列的70亿参数规模模型，基于Transformer的大语言模型，在超大规模的预训练数据上进行训练得到。同时在Qwen-7B的基础上，使用对齐机制打造了基于大语言模型的AI助手Qwen-7B-Chat。本文就以阿里云云服务器第八代Intel实例c8i为例，为大家介绍一下阿里云基于xFasterTransformer框架部署Qwen-7B-Chat语言模型，仅供参考。

本文涉及的阿里云服务：

阿里云八代实例（g8i/c8i/r8i/hfc8i/hfg8i/hfr8i）采用Intel®Xeon®Emerald Rapids或者Intel®Xeon®Sapphire Rapids，该实例支持使用新的AMX（Advanced Matrix Extensions）指令来加速AI任务。相比于上一代实例，八代实例在Intel®AMX的加持下，推理和训练性能大幅提升。

阿里云云服务器性能卓越、稳定可靠，且支持弹性扩展，目前提供百余款高性能的实例规格可选，包括通用型（g系列）、计算型（c系列）、内存型（r系列）、通用算力型（U实例）、大数据型（d系列）、本地SSD型（i系列）等，本文选择的是八代实例，如g8i/c8i/r8i/hfc8i/hfg8i/hfr8i，用户可以根据需要选择合适的实例方案。

阿里云云服务器

《点击进入官网选购》

一、创建阿里云云服务器实例

1、进入阿里云官网，注册并完成登录操作。

阿里云

2、点击“产品”>“云服务器”，点击“立即购买”，进入云服务器购买页面。

阿里云

3、按照界面提示完成参数配置，创建一台云服务器实例。

实例：Qwen-7B-Chat运行大概需要16 GiB内存以上，为了保证模型运行的稳定，实例规格至少需要选择ecs.c8i.4xlarge（32 GiB内存）。
镜像：Alibaba Cloud Linux 3.2104 LTS 64位。
公网IP：选中分配公网IPv4地址，带宽计费模式选择按使用流量，带宽峰值设置为100 Mbps。以加快模型下载速度。

阿里云

系统盘：Qwen-7B-Chat模型数据下载、转换和运行过程中需要占用60 GiB的存储空间，为了保证模型顺利运行，建议系统盘设置为100 GiB。

4、添加安全组规则。

在云服务器实例安全组的入方向添加安全组规则并放行22端口和7860端口（22端口用于访问SSH服务，7860端口用于访问WebUI页面）。

二、安装模型所需环境

xFasterTransformer是由Intel官方开源的推理框架，为大语言模型（LLM）在CPU X86平台上的部署提供了一种深度优化的解决方案，支持多CPU节点之间的分布式部署方案，使得超大模型在CPU上的部署成为可能。此外，xFasterTransformer提供了C++和Python两种API接口，涵盖了从上层到底层的接口调用，易于用户使用并将xFasterTransformer集成到自有业务框架中。

1、远程连接云服务器实例。详情可参考：《阿里云服务器三种远程连接的方法》

2、安装并启动Docker。

执行以下命令安装Docker社区版本。

#添加Docker软件包源
sudo wget -O /etc/yum.repos.d/docker-ce.repo http://mirrors.cloud.aliyuncs.com/docker-ce/linux/centos/docker-ce.repo
sudo sed -i 's|https://mirrors.aliyun.com|http://mirrors.cloud.aliyuncs.com|g' /etc/yum.repos.d/docker-ce.repo
#Alibaba Cloud Linux3专用的dnf源兼容插件
sudo dnf -y install dnf-plugin-releasever-adapter --repo alinux3-plus
#安装Docker社区版本，容器运行时containerd.io，以及Docker构建和Compose插件
sudo dnf -y install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
#启动Docker
sudo systemctl start docker
#设置Docker守护进程在系统启动时自动启动
sudo systemctl enable docker

通过查看Docker版本命令，验证Docker是否安装成功。

sudo docker -v

如下图回显信息所示，表示Docker已安装成功。

Docker

3、获取并运行Intel xFasterTransformer容器。

sudo docker pull registry.openanolis.cn/openanolis/xfastertransformer:1.7.3-23
sudo docker run -it --name xFT -h xFT --privileged --shm-size=16g --network host -v /mnt:/mnt -w /mnt/xFasterTransformer registry.openanolis.cn/openanolis/xfastertransformer:1.7.3-23

当出现类似如下信息时，表示已获取并成功运行xFasterTransformer容器。

xFasterTransformer

注：后续操作都需要在容器中运行，如果退出了容器，可以通过以下命令启动并再次进入容器的Shell环境。

sudo docker start xFT
sudo docker exec -it xFT bash

4、更新xFasterTransformer脚本代码。

xFasterTransformer镜像中已包含对应版本的脚本代码，可以更新升级到最新的测试脚本。

yum update -y
yum install -y git
cd /root/xFasterTransformer
git pull

三、安装Qwen-7B-Chat模型

1、在容器中安装依赖软件。

yum update -y
yum install -y wget git git-lfs vim tmux

2、启用Git LFS。

下载预训练模型需要Git LFS的支持。

git lfs install

3、创建并进入模型数据目录。

mkdir /mnt/data
cd /mnt/data

4、创建一个tmux session。

tmux

5、下载Qwen-7B-Chat预训练模型。

git clone https://www.modelscope.cn/qwen/Qwen-7B-Chat.git /mnt/data/qwen-7b-chat

注：在执行git clone命令后，Git将通过Git LFS开始下载仓库及其所有大文件。这个过程可能需要几分钟到几小时不等，具体取决于模型大小和网络条件，请您耐心等待。

当出现如下信息时，表示预训练模型已下载成功。

Qwen-7B-Chat模型

6、转换模型数据。

由于下载的模型数据是HuggingFace格式，需要转换成xFasterTransformer格式。生成的模型文件夹为/mnt/data/qwen-7b-chat-xft。

python -c 'import xfastertransformer as xft; xft.QwenConvert().convert("/mnt/data/qwen-7b-chat")'

当出现如下信息时，表示模型转换成功。

Qwen-7B-Chat模型

四、运行Qwen-7B-Chat模型

在Web页面中进行对话

1、在容器中，依次执行以下命令，安装WebUI相关依赖软件。

cd /root/xFasterTransformer/examples/web_demo
pip install -r requirements.txt

2、执行以下命令，升级gradio以避免与fastapi的冲突。

pip install --upgrade gradio

3、执行以下命令，启动WebUI。

OMP_NUM_THREADS=$(($(lscpu | grep "^CPU(s):" | awk '{print $NF}') / 2)) GRADIO_SERVER_NAME="0.0.0.0" numactl -C $(seq -s, 0 2 $(($(lscpu | grep "^CPU(s):" | awk '{print $NF}') - 2))) -m 0 python Qwen.py -t /mnt/data/qwen-7b-chat -m /mnt/data/qwen-7b-chat-xft -d bf16

当出现如下信息时，表示WebUI服务启动成功。

运行Qwen-7B-Chat模型

4、在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。

运行Qwen-7B-Chat模型

5、在页面对话框中，输入对话内容，然后单击Submit，即可进行AI对话。

运行Qwen-7B-Chat模型

在实例终端进行对话

执行以下命令，启动AI对话程序。

cd /root/xFasterTransformer/examples/pytorch
OMP_NUM_THREADS=$(($(lscpu | grep "^CPU(s):" | awk '{print $NF}') / 2)) LD_PRELOAD=libiomp5.so numactl -C $(seq -s, 0 2 $(($(lscpu | grep "^CPU(s):" | awk '{print $NF}') - 2))) -m 0 python demo.py -t /mnt/data/qwen-7b-chat -m /mnt/data/qwen-7b-chat-xft -d bf16 --chat true

运行Qwen-7B-Chat模型