Merge branch 'master' of http://developer.hpccube.com/codes/modelzoo/internlm_lmdeploy

README.md

@@ -18,11 +18,10 @@ InterLM是一个基础语言模型的集合,参数范围从7B到20B。在数万
 
   ```bash
   docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10(推荐)
-  docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:lmdeploy0.0.13_dtk23.04_torch1.13_py38
   # <Image ID>用上面拉取docker镜像的ID替换
   # <Host Path>主机端路径
   # <Container Path>容器映射路径
-  docker run -it --name baichuan --shm-size=1024G  --device=/dev/kfd --device=/dev/dri/ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v <Host Path>:<Container Path> <Image ID> /bin/bash
+  docker run -it --name baichuan --shm-size=1024G  --device=/dev/kfd --device=/dev/dri/ --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v /opt/hyhal:/opt/hyhal:ro --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v <Host Path>:<Container Path> <Image ID> /bin/bash
   ```
 
   镜像版本依赖：
@@ -31,16 +30,6 @@ InterLM是一个基础语言模型的集合,参数范围从7B到20B。在数万
   * Pytorch: 2.1.0
   * python: python3.10
 
-  > [!NOTE]
-  >
-  > 使用lmdeploy0.0.13_dtk23.04_torch1.13_py38如果遇到 importError:libgemm multiB int4.so: cannot open shared obiect file: No such file or directory
-  >
-  > 解决方法：
-  >
-  > ```bash
-  > rm /usr/local/lib/python3.8/site-packages/_turbomind.cpython-38-x86_64-linux-gnu.so
-  > ```
-
 
 ## 数据集
 无
@@ -71,31 +60,23 @@ pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
 source /opt/dtk/cuda/env.sh
 ```
 
-### 运行 internlm-chat-7
+### 运行 internlm-chat-7b
 
 ```bash
 # 模型转换
-# <model_name> 模型的名字 （'llama', 'internlm', 'vicuna', 'internlm-chat-7b', 'internlm-chat', 'internlm-chat-7b-8k', 'internlm-chat-20b', 'internlm-20b', 'baichuan-7b', 'baichuan2-7b', 'llama2', 'qwen-7b', 'qwen-14b'）
-# <model_path> 模型路径
-# <model_format> 模型的格式 （'llama', 'hf', 'qwen'）
-# <tokenizer_path> tokenizer模型的路径（默认None,会去model_path里面找tokenizer.model）
-# <model_format> 保存输出的目标路径（默认./workspace）
 # <tp> 用于张量并行的GPU数量应该是2^n
 
 # bash界面运行
-lmdeploy chat turbomind  ./workspace_interlm7b --tp 1     # 输入问题后执行2次回车进行推理
+lmdeploy chat turbomind  ./path_to_interlm7b --tp 1     # 输入问题后执行2次回车进行推理
 
 # 服务器网页端运行
 
 在bash端运行：
-# <model_path_or_server> 部署模型的路径或tritonserver URL或restful api URL。前者用于与gradio直接运行服务。后者用于默认情况下使用tritonserver运行。如果输入URL是restful api。请启用另一个标志“restful_api”。
-# <server_name> gradio服务器的ip地址
-# <server_port> gradio服务器的ip的端口
-# <batch_size> 于直接运行Turbomind的batch大小 （默认32）
+# <server-name> gradio服务器的ip地址
+# <server-port> gradio服务器的ip的端口
 # <tp> 用于张量并行的GPU数量应该是2^n （和模型转换的时候保持一致）
-# <restful_api> modelpath_or_server的标志（默认是False）
 
-lmdeploy serve gradio  ./workspace_interlm7b --server-name {ip} --server-port {port} --batch_size 32 --tp 1 --restful_api False 
+lmdeploy serve gradio  ./path_to_interlm7b --server-name {ip} --server-port {port}
 
 在网页上输入{ip}:{port}即可进行对话
 ```
@@ -103,12 +84,12 @@ lmdeploy serve gradio  ./workspace_interlm7b --server-name {ip} --server-port {p
 ### 运行 internlm-chat-20b
 ```bash
 # bash界面运行
-lmdeploy chat turbomind  ./workspace_interlm20b --tp 4
+lmdeploy chat turbomind  ./path_to_interlm20b --tp 4
 
 # 服务器网页端运行
 
 在bash端运行：
-lmdeploy serve gradio ./workspace_interlm20b --server-name {ip} --server-port {port} --batch_size 32 --tp 4 --restful_api False 
+lmdeploy serve gradio ./path_to_interlm20b --server-name {ip} --server-port {port} --tp 4
 
 在网页上输入{ip}:{port}即可进行对话
 ```