FastChat简介

FastChat is an open platform for training, serving, and evaluating large language model based chatbots.

• FastChat powers Chatbot Arena, serving over 10 million chat requests for 70+ LLMs.
• Chatbot Arena has collected over 500K human votes from side-by-side LLM battles to compile an online LLM Elo leaderboard.

FastChat’s core features include

• The training and evaluation code for state-of-the-art models (e.g., Vicuna, MT-Bench).
• A distributed multi-model serving system with web UI and OpenAI-compatible RESTful APIs.

FastChat Github地址: https://github.com/lm-sys/FastChat
FastChat架构：https://github.com/lm-sys/FastChat/blob/main/docs/server_arch.md

安装FastChat

pip3 install "fschat[model_worker,webui]"

如果网速较慢或无网就使用国内镜像如：

#阿里源
pip3 install "fschat[model_worker,webui]" -i https://mirrors.aliyun.com/pypi/simple/ 

#清华源
pip3 install "fschat[model_worker,webui]" -i https://pypi.tuna.tsinghua.edu.cn/simple/

# 下载模型到本地

这里以通义千问1.8b为例，其他模型类似，就是文件大小大了些，可以通过huggingface或modelscope两个网站进行下载
https://www.modelscope.cn/qwen/Qwen-1_8B-Chat.git
https://huggingface.co/Qwen/Qwen1.5-1.8B-Chat

比如把模型下载到/home/liu/目录

#cd到目录
cd /home/liu/

#大文件下载需要执行以下：
git lfs install

#先下小文件,先用命令把小文件下了
GIT_LFS_SKIP_SMUDGE=1 git https://www.modelscope.cn/qwen/Qwen-1_8B-Chat.git

#然后cd进去文件夹,下大文件，每个大文件之间可以续传，大文件内部不能续传,以下命令下载所有的大文件
git lfs pull

#上面的git lfs pull是下载所有的大文件，可能你只需要下载模型下的部分大文件，可以通过git lfs pull指定匹配模式，下载部分文件，比如
#下载bin结尾文件
git lfs pull --include="*.bin"
    
#如果你只想要单个文件，写文件名就可以，比如
git lfs pull --include "model-00001-of-00004.safetensors"

注： 如果上面的git lfs pull不成功或报错如git: ‘lfs’ is not a git command. See ‘git --help’.，可能是因为没有安装git lfs,执行安装即可，并执行git lfs install

sudo apt-get install git-lfs

启动服务（OpenAI-Compatible RESTful APIs）

官网参考：https://github.com/lm-sys/FastChat/blob/main/docs/openai_api.md

# 1.启动controller，默认端口为21001，可通过 --port 指定。
python3 -m fastchat.serve.controller > controller.log 2>&1 &

# 2.启动model_worker，默认端口为21002，可通过 --port 指定，model_worker会向controller注册。
python3 -m fastchat.serve.model_worker --model-path /home/liu/Qwen-1_8B-Chat --model-name=Qwen-1_8B-Chat --num-gpus 1  > model_worker.log 2>&1 &

# 3.启动openai_api_server，默认端口为 8000，可通过 --port 指定。
python3 -m fastchat.serve.openai_api_server --host 0.0.0.0 --port 9000  > openai_api_server.log 2>&1 &

# 4.（可选），如果还需要web界面，启动gradio_web_server，默认端口为 7860，可通过 --port 指定。
python3 -m fastchat.serve.gradio_web_server > gradio_web_server.log 2>&1 &

注：

--num-gpus 指定运行模型的gpu个数
--model-name 默认以部署的model-path作为模型名称，可通过--model-name修改，比如--model-name Qwen

Api访问测试

python脚本测试

pip install openai

import openai

openai.api_key = "EMPTY"
openai.base_url = "http://localhost:9000/v1/"

model = "Qwen-1_8B-Chat"
prompt = "Once upon a time"

# create a completion
completion = openai.completions.create(model=model, prompt=prompt, max_tokens=64)

# print the completion
print(prompt + completion.choices[0].text)

# create a chat completion
completion = openai.chat.completions.create(
  model=model,
  messages=[{"role": "user", "content": "Hello! What is your name?"}]
)

# print the completion
print(completion.choices[0].message.content)

python流式输出测试

from openai import OpenAI

client = OpenAI(base_url="http://localhost:9000/v1", api_key="")
model = "Qwen-1_8B-Chat"

completion = client.chat.completions.create(
    model = model,
    messages=[
        {
            "role": "user",
            "content": "Hello",
        }
    ],
    stream=True
)

for chunk in completion:
    if chunk.choices[0].finish_reason == "stop":
        break
    else:
        print(chunk.choices[0].delta.content, end="", flush=True)

curl调用接口测试

curl -X POST http://0.0.0.0:9000/v1/chat/completions -H "Content-Type: application/json" -d "{\"model\": \"Qwen-1_8B-Chat\", \"messages\": [{\"role\": \"user\", \"content\": \"hello?\"}]}"