北京2024年2月28日/美通社/ -- 近日，浪潮信息Yuan2.0大模型與FastChat框架完成全面適配，推出"企業快速本地化部署大模型對話平臺"方案。該方案主要面向金融、法律、教育等領域，且有數據隱私保護需求的本地化部署場景。全面開放的對話模板功能，用戶可基于FastChat平臺，快速對不同參數規模的Yuan2.0基礎模型進行訓練、評估和應用，將Yuan2.0系列基礎大模型部署于私有環境，快速部署企業級大模型應用。值得一提的是，FastChat提供標準API格式（OpenAI標準）的服務，因此，原本采用OpenAI API接口所構建的系列應用，用戶無需修改代碼，僅需更新API服務的接口地址，即可靈活、絲滑地切換為本地部署的Yuan2.0千億參數模型。

當前，各類模型迭代更新飛快。簡單且易用的對話模型框架成為了開發者解決本地化構建對話系統的一大利器。標準一致的工具和環境，可有效實現后端模型的平滑遷移，開發者能夠在不改變原有代碼的情況下，輕松適應新的模型和技術要求。基于現成的框架和工具，依托繁榮的社區，進而有效地解決了技術門檻高、開發流程復雜、知識共享困難、部署維護成本高以及數據安全等一系列難題，不僅可提高開發效率，也可為開發者帶來了更多的便利和可能性。

FastChat是加州大學伯克利分校LM-SYS發布的創新型開源項目，Github Star數超31k。旨在為研究和開發人員提供一個易于使用、可擴展的平臺，用于訓練、服務和評估基于LLM的聊天機器人，大幅降低開發人員構建問答系統的門檻，實現知識管理平臺的輕松部署與高效維護。其核心功能包括提供最先進的模型權重、訓練代碼和評估代碼（例如Yuan2.0、Vicuna、FastChat-T5）以及帶有Web UI和兼容OpenAI RESTful API的分布式多模型服務系統。Yuan2.0系列基礎大模型作為首個全面開源的千億參數模型，在編程、推理、邏輯等方面表現優異。通過Fastchat平臺，企業級用戶可一鍵啟動標準API（OpenAI標準）服務，滿足企業需求的定制化應用開發，輕松對接口進行封裝，高效且安全地開發智能對話系統。在保證數據私密性和安全性的同時，極大地提升了模型本地化部署的效率、應用性能及穩定性。

基于FastChat使用Yuan2.0大模型，Step by Step實操教程！

* 如下步驟以Yuan2-2B-Janus-hf模型為例：

Step 1: 安裝FastChat

FastChat官方提供的兩種安裝方式--pip安裝與源碼安裝

pip安裝

官方提供的采用pip安裝命令為pip3，建議大家采用python3.x，避免出現依賴包沖突。

pip3 install "fschat[model_worker,webui]"

源碼安裝

先從github上下載源碼，在FastChat目錄下執行如下命令：

git clonehttps://github.com/lm-sys/FastChat.git
cd FastChat
pip3 install --upgrade pip && pip3 install -e ".[model_worker,webui]"

Step 2 : 下載Yuan2.0系列基礎大模型

Step 3：啟動FastChat推理服務

采用如下命令啟動FastChat服務：

python3-m fastchat.serve.cli --model-path /mnt/models/Yuan2-2B-Janus-hf

至此，基于Yuan2.0基礎大模型的FastChat推理服務就已啟動完成了！服務啟動后會進入客戶端頁面。客戶端交互實例如下：

——————————————————

user: 你好。
assistant: 您好，有什么可以幫助您的嗎？
user: 介紹一下北京。
assistant: 北京是中國的首都，位于華北平原中部。它是一個歷史悠久、文化燦爛的城市，也是現代化與傳統文化相結合的代表之一。北京擁有著豐富的歷史遺產和文化景觀，如紫禁城、天安門廣場、頤和園、長城等。此外，北京還有許多現代建筑和創意藝術作品，如798藝術區、木魚巷等。
user: 給我寫一個快速排序算法。
assistant: 快速排序是一種基于比較的排序算法，其時間復雜度為O(nlogn)。具體來說，快速排序通過選取一個基準元素，將數組分為兩部分，使得左邊的元素都小于基準元素，右邊的元素都大于基準元素，然后遞歸地對左右兩部分進行排序。
以下是一個簡單的快速排序算法實現：
```python
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort(left) + middle + quick_sort(right)
```
這個算法的優點是它通常能夠很好地處理小規模數據，而且它具有很好的可擴展性，可以輕松地處理不同規模的數據。但是，它也有一些缺點，例如它需要額外的空間來存儲中間結果，并且它的最壞時間復雜度為O(n^2)。因此，在實際應用中，我們通常使用更高效的排序算法，如歸并排序、插入排序等。
user: 能提供一些測試用例嗎
assistant: 當然可以。以下是一些常見的測試用例：
```python
def test_quick_sort():
assert quick_sort([]) == []
assert quick_sort([1]) == [1]
assert quick_sort([3, 2, 1]) == [1, 2, 3]
assert quick_sort([5, 8, 2, 1, 6, 3, 4, 7, 9]) == [1, 2, 3, 4, 5, 6, 7, 8, 9]
assert quick_sort([9, 8, 7, 6, 5, 4, 3, 2, 1]) == [1, 2, 3, 4, 5, 6, 7, 8, 9]
```
這些測試用例包括了各種不同規模和不同順序的輸入數據。
user: 很好，你知道它的時間復雜度嗎？
assistant: 是的，我知道它的時間復雜度為O(nlogn)。
user:

————————————————

同時，也可選用WebUI，需要先啟動fastchat的controller和worker，在命令行輸入如下命令即可啟動：

python3 -m fastchat.serve.controller
python3 -m fastchat.serve.model_worker --model-path /mnt/models/Yuan2-2B-Janus-hf
python3-mfastchat.serve.gradio_web_server

啟動完成后，默認會彈出WebUI頁面，選擇Yuan2.0模板即可與Yuan2.0大模型進行對話。以下為使用WebUI與Yuan2.0進行交互的示例：

代碼實現

測試用例

上下文測試

更多更新，請關注Github "源"交流專區，
前往GitHub搜索"IEIT-Yuan/Yuan-2.0"

審核編輯 黃宇