一 ChatGLM-6B 介绍

         ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，新一代开源模型 ChatGLM3-6B 已发布，拥有10B以下最强的基础模型，支持工具调用（Function Call）、代码执行（Code Interpreter）、Agent 任务等功能，结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。

二 在 window平台 搭建ChatGLM3-6B

1 在github下拉该项目代码：

 1  下拉项目源代码：

 https://github.com/THUDM/ChatGLM-6B

git clone https://github.com/THUDM/ChatGLM-6B
cd ChatGLM-6B

  2 下载项目数据模型

 国内可下载地址：魔搭社区

下载的模型数据保存位置：

如果保存在别的地方需要指定配置模型路径的系统变量，也可以直接修改以下代码，如下图：

2 环境安装

使用 pip 安装依赖：pip install -r requirements.txt

pip install -r requirements.txt

注意：项目没有有明确说支持什么平台，当安装依赖时会报错，因为有一个vllm是不支持windows平台的，所以安装依赖时要注释掉一个依赖 vllm，其作用是加速推理项目可以不用，该框架的官方网站明确只支持linux,如下图：

检查pytorch环境

import torch


if __name__ == '__main__':
    # 检测cuda环境
    print(torch.__version__)
    print(torch.cuda.is_available())
    print(torch.version.cuda)

pytorch正常，cuda可用如下图： 

如果这一步有问题,请查看之前的文章：https://blog.csdn.net/qyhua/article/details/136248165

3 启动项目 

 启动演示项目：

cd basic_demo
python web_demo_gradio.py

启动过程中，大概要有4G左右的空闲内存，如果内存不够启动失败，且没有任何提示，如下图： 

测试成功如下图： 

 由于我的电脑配置低，3060的显卡只有12G显存，所以这里改了一下代码。

这里测试了一下，当量化参数设置成8 时GPU内存大概使用了8G多，当设置成4时，只用了4G多，如下图：

model = AutoModel.from_pretrained(model_dir, trust_remote_code=True).quantize(8).cuda()

 量化参数设置成8时的效果图，回复比4快。 

 量化参数设置成4时 ，系统本身用了1.5G，模型大概使用了4G多。如下图：