text-generation-webui大模型部署

1 简介

text-generation-webui是一个挺好用的大模型部署UI，提供了很多便于交互的接口，安装部署好之后将model放置到对应的位置即可在网页访问，若是在服务器部署也可以通过ssh端口转发至公网服务器进行访问。
其中，模型的下载可参考这个教程，比较有效的是利用镜像网站和下载脚本进行下载，还有直接在浏览器中点击下载后再上传服务器。

2 安装

2.1 官方安装

先把库下载到本地

git clone https://github.com/oobabooga/text-generation-webui.git

然后进入文件夹，即可按照官方的教程进行安装，主要是根据系统类型，支不支持AVX指令集，以及是否使用GPU来选择。

2.2 自定义安装

2.2.1 环境

可以不使用官方的一键安装脚本，因为其会新下载一个conda并新建一个环境，并且下载过程会从国外官方的源下载所需要的环境包，比较慢。
首先，激活conda环境，根据平台安装pytorch，如果使用GPU则安装cuda版本的，并且安装cuda相关的库等等，这里不再赘述。
其次，根据GPU与CPU选择对应的依赖文件，例如，支持NVIDIA GPU但不支持AVX2指令集的则选择requirements_noavx2.txt，使用清华源进行加速

pip install -r requirements_noavx2.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

题外话： 使用AVX2指令集有可能在模型部署的推理阶段出现Illegal instruction (core dumped) error的bug，可以根据链接重新下载对应的包。

2.2.2 模型

然后，根据示例放置好模型文件。比如，量化后的gguf模型可以直接放置。但是使用Q4量化的模型时，会出现AttributeError: ‘LlamaCppModel’ object has no attribute 'model’的bug，推荐使用Q5以上的。

text-generation-webui
└── models└── llama-2-13b-chat.Q4_K_M.gguf

原始的模型需要放在models文件夹下的子文件夹中，示意如下。

text-generation-webui
├── models
│   ├── lmsys_vicuna-33b-v1.3
│   │   ├── config.json
│   │   ├── generation_config.json
│   │   ├── pytorch_model-00001-of-00007.bin
│   │   ├── pytorch_model-00002-of-00007.bin
│   │   ├── pytorch_model-00003-of-00007.bin
│   │   ├── pytorch_model-00004-of-00007.bin
│   │   ├── pytorch_model-00005-of-00007.bin
│   │   ├── pytorch_model-00006-of-00007.bin
│   │   ├── pytorch_model-00007-of-00007.bin
│   │   ├── pytorch_model.bin.index.json
│   │   ├── special_tokens_map.json
│   │   ├── tokenizer_config.json
│   │   └── tokenizer.model

在text-generation-webui的模型读取中，有多种模式，可根据不同的情况进行选择。
此外，在模型加载时，还容易出现AttributeError: ‘NoneType’ object has no attribute ‘Llama’，可根据平台选择对应的库下载安装llama-cpp-python即可。
特别地，在linux/arm64平台下下载安装时，会出现ERROR: Failed building wheel for llama-cpp-python，可尝试升级gcc（已经在aarch平台上成功验证），或者安装arm64-wheels的版本（还没测试过）。

3 部署

3.1 启动

在目录下启动即可。

python server.py

此时会返回显示在localhost:7860生成Web UI

3.2 autossh转发

在内网的服务器上部署，访问不太方便，参考ssh隧道，可利用autossh转发到公网服务器上进行访问。安装autossh后，在服务器上运行以下命令

# 80 公网端口
# 7860 本地端口
# username@xxx.xx.xx.xx 公网服务器用户和ip地址
# (-p xxx) 公网的ssh端口 一般默认22 可不写
autossh -M 4010 -NR 80:localhost:7860 username@xxx.xxx.xxx.xxx (-p xxxx)

参数解释：