add InternLM3-8b-instruct fastapi

models/InternLM3/InternLM3-8b-instruct.md

@@ -0,0 +1,185 @@
+# InternLM3-8B-instruct FastAPI部署
+
+InternLM3 开源了一个具有 80 亿参数的指令模型，名为 **InternLM3-8B-Instruct**，旨在用于通用任务和高级推理。该模型具有以下特点：
+
+- **在降低成本的同时提升性能**：在推理和知识密集型任务中，表现超越了像 Llama3.1-8B 和 Qwen2.5-7B 等模型。值得注意的是，InternLM3 仅在 4 万亿高质量标记上进行训练，比其他同规模的语言模型节省了超过 75% 的训练成本。
+- **深度思考能力**：InternLM3 支持两种模式：一种是通过长链思维解决复杂推理任务的深度思考模式，另一种是用于流畅用户交互的正常响应模式。
+
+
+
+## 环境准备
+
+本文基础环境如下：
+
+```c
+----------------
+ubuntu 22.04
+python 3.12
+cuda 12.1
+pytorch 2.3.0
+----------------
+```
+
+>  本文默认学习者已安装好以上 Pytorch(cuda) 环境，如未安装请自行安装。
+
+首先 `pip` 换源加速下载并安装依赖包
+
+```c
+# 升级pip
+python -m pip install --upgrade pip
+# 更换 pypi 源加速库的安装
+pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
+
+pip install requests==2.32.3
+pip install fastapi==0.104.1
+pip install uvicorn==0.24.0
+pip install transformers==4.48.0
+pip install huggingface-hub==0.27.1
+pip install accelerate==0.24.1
+pip install modelscope==1.11.0
+```
+
+> 考虑到部分同学配置环境可能会遇到一些问题，我们在AutoDL平台准备了InternLM3-8B-instruct的环境镜像，点击下方链接并直接创建Autodl示例即可。 
+
+
+
+## 模型下载
+
+使用 `modelscope` 中的 `snapshot_download` 函数下载模型，第一个参数为模型名称，参数 `cache_dir` 为模型的下载路径。
+
+新建 `model_download.py` 文件并在其中输入以下内容，粘贴代码后请及时保存文件，如下图所示。并运行 `python model_download.py` 执行下载，模型大小约为 17.5GB，下载模型大概需要 10-15 分钟。
+
+```py
+#模型下载
+from modelscope import snapshot_download
+model_dir = snapshot_download('Shanghai_AI_Laboratory/internlm3-8b-instruct',cache_dir='/root/autodl-tmp', revision='master')
+```
+
+> 注意：记得修改 `cache_dir` 为你的模型下载路径哦~
+
+## 代码准备
+
+新建 `api.py` 文件并在其中输入以下内容，粘贴代码后请及时保存文件。记得将tokenizer和model的路径改成上面模型下载的cache_dir的路径。以下代码有很详细的注释，大家如有不理解的地方，欢迎提出 issue 。
+
+```python
+from fastapi import FastAPI, Request
+from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
+import uvicorn
+import json
+import datetime
+import torch
+
+# 设置设备参数
+DEVICE = "cuda"  # 使用CUDA
+DEVICE_ID = "0"  # CUDA设备ID，如果未设置则为空
+CUDA_DEVICE = f"{DEVICE}:{DEVICE_ID}" if DEVICE_ID else DEVICE  # 组合CUDA设备信息
+
+# 清理GPU内存函数
+def torch_gc():
+    if torch.cuda.is_available():  # 检查是否可用CUDA
+        with torch.cuda.device(CUDA_DEVICE):  # 指定CUDA设备
+            torch.cuda.empty_cache()  # 清空CUDA缓存
+            torch.cuda.ipc_collect()  # 收集CUDA内存碎片
+
+# 创建FastAPI应用
+app = FastAPI()
+
+# 处理POST请求的端点
+@app.post("/")
+async def create_item(request: Request):
+    global model, tokenizer  # 声明全局变量以便在函数内部使用模型和分词器
+    json_post_raw = await request.json()  # 获取POST请求的JSON数据
+    json_post = json.dumps(json_post_raw)  # 将JSON数据转换为字符串
+    json_post_list = json.loads(json_post)  # 将字符串转换为Python对象
+    prompt = json_post_list.get('prompt')  # 获取用户的问题
+    # 构建对话模板
+    messages = [
+        {"role": "system", "content": "You are a helpful assistant."},
+        {"role": "user", "content": prompt},
+    ]
+    tokenized_chat = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
+    generated_ids = model.generate(tokenized_chat, max_new_tokens=1024, temperature=1, repetition_penalty=1.005, top_k=40, top_p=0.8)
+    generated_ids = [
+        output_ids[len(input_ids):] for input_ids, output_ids in zip(tokenized_chat, generated_ids)
+    ]
+    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
+    now = datetime.datetime.now()  # 获取当前时间
+    time = now.strftime("%Y-%m-%d %H:%M:%S")  # 格式化时间为字符串
+    # 构建响应JSON
+    answer = {
+        "response": response,
+        "status": 200,
+        "time": time
+    }
+    # 构建日志信息
+    log = "[" + time + "] " + '", prompt:"' + prompt + '", response:"' + repr(response) + '"'
+    print(log)  # 打印日志
+    torch_gc()  # 执行GPU内存清理
+    return answer  # 返回响应
+
+# 主函数入口
+if __name__ == '__main__':
+    # 加载预训练的分词器和模型
+    tokenizer = AutoTokenizer.from_pretrained("autodl-tmp/Shanghai_AI_Laboratory/internlm3-8b-instruct", trust_remote_code=True)
+    model = AutoModelForCausalLM.from_pretrained("autodl-tmp/Shanghai_AI_Laboratory/internlm3-8b-instruct", torch_dtype=torch.float16, trust_remote_code=True).cuda()
+    model = model.eval()
+
+    # 启动FastAPI应用
+    # 用6006端口可以将autodl的端口映射到本地，从而在本地使用api
+    uvicorn.run(app, host='0.0.0.0', port=6006, workers=1)  # 在指定端口和主机上启动应用
+```
+
+
+
+然后在当前文件的路径下面运行:
+
+```python
+python api.py 
+```
+
+出现下面的信息就说明成功运行了。
+
+<img src="images/01-1.png" alt="image-20250118163039715" style="zoom:200%;" />
+
+
+
+## 调用API
+
+默认部署在 6006 端口，通过 POST 方法进行调用。可以使用命令行curl和代码的方式来调用。
+
+命令行:
+
+```c
+curl -X POST "http://127.0.0.1:6006" \
+     -H 'Content-Type: application/json' \
+     -d '{"prompt": "你好"}'
+```
+
+返回结果:
+
+![image-20250118163400910](/images/01-2.png)
+
+
+
+使用 python 中的 requests 库进行调用，如下所示：
+
+```python
+import requests
+import json
+
+def get_completion(prompt):
+    headers = {'Content-Type': 'application/json'}
+    data = {"prompt": prompt}
+    response = requests.post(url='http://127.0.0.1:6006', headers=headers, data=json.dumps(data))
+    return response.json()['response']
+
+if __name__ == '__main__':
+    print(get_completion('你好'))
+```
+
+返回结果:
+
+![image-20250118163426842](images/01-3.png)
+
+
+