四期书生大模型实战营（【入门岛】- 第4关

文章目录

1. 任务介绍
- 闯关任务
2. 平台介绍
- 2.1. HF 平台
- - 2.1.1. HF的Transformers库介绍
- 2.2. GitHub CodeSpaces 和 Hugging Face Spaces 介绍。
- - 2.2.1. GitHub CodeSpaces
  - 2.2.2. Hugging Face Spaces
  - 2.2.3. 总结
3. 模型下载
- 3.1. GitHub CodeSpaces使用
- 3.1.下载internlm2_5-7b-chat的配置文件
- 3.2. 下载internlm2_5-chat-1_8b并打印示例输出
3. Space上传（可选）
- 3.1. Hugging Face Spaces的使用
- 3.2. 创建页面
- 3.3. 回到我们的CodeSpace clone项目
- 3.4. 保存后push到远程仓库上（它会自动更新页面）
4. 模型上传（可选）
- 4.1. 安装git lfs
- 4.2. 获取HF登录过程中需要输入用户的Access Tokens
- 4.3. 在CodeSpace里面登录
- 4.4. 创建项目
- 4.5. 用git提交到远程仓库

1. 任务介绍

闯关任务

闯关任务需要在关键步骤当中截图！

任务	描述	时间
模型下载	使用Hugging Face平台、魔搭社区平台（可选）和魔乐社区平台（可选）下载文档中提到的模型（至少需要下载config.json文件、odel.safetensors.index.json文件），请在必要的步骤以及结果当中截图。	20min
模型上传（可选）	将我们下载好的config.json文件（也自行添加其他模型相关文件）上传到对应HF平台和魔搭社区平台，并截图。	10min
Space上传（可选）	在HF平台上使用Spaces并把intern_cobuild部署成功，关键步骤截图。	10min

优秀作业必做可选内容请将作业发布到知乎、CSDN等任一社交媒体，将作业链接提交到以下问卷，助教老师批改后将获得 50 算力点奖励！！！

提交地址：https://aicarrier.feishu.cn/share/base/form/shrcnUqshYPt7MdtYRTRpkiOFJd

2. 平台介绍

2.1. HF 平台

Hugging Face
最初专注于开发聊天机器人服务。尽管他们的聊天机器人项目并未取得预期的成功，但他们在GitHub上开源的Transformers库却意外地在机器学习领域引起了巨大轰动。如今，Hugging Face已经发展成为一个拥有超过100,000个预训练模型和10,000个数据集的平台，被誉为机器学习界的GitHub。

2.1.1. HF的Transformers库介绍

在正式下载之前，介绍一下HF的Transformers库，作为HF最核心的项目，它可以：
在这里插入图片描述

直接使用预训练模型进行推理
提供了大量预训练模型可供使用
使用预训练模型进行迁移学习因此在使用HF前，我们需要下载Transformers等一些常用依赖库

这里我们以internlm2_5-1_8b举例，查看Hugging Face上该模型的地址

https://huggingface.co/internlm/internlm2_5-1_8b

2.2. GitHub CodeSpaces 和 Hugging Face Spaces 介绍。

后面的下载和上传需要用到GitHub CodeSpaces 和 Hugging Face Spaces。下面介绍一下他们的异同：GitHub CodeSpaces 和 Hugging Face Spaces 都是强大的云端开发环境，分别由 GitHub 和 Hugging Face 提供，设计用来简化不同类型项目的开发流程。以下是它们的功能、特点和适用场景：

2.2.1. GitHub CodeSpaces

GitHub CodeSpaces 是 GitHub 提供的一个基于云的开发环境，旨在让开发者可以快速创建和配置所需的开发环境，直接在浏览器或本地支持远程连接的 IDE（如 VS Code）中使用。这极大地减少了传统开发环境的配置时间，尤其适用于需要频繁切换项目的开发者。

特点和功能：

环境定制：支持 Docker 容器的自定义配置，使你可以配置和存储特定的开发环境，供团队中的其他成员直接使用。
快速启动：开发者可以从 GitHub 仓库快速启动一个新的开发空间，无需手动安装依赖或配置环境。
资源管理：提供不同配置的资源选项（如 CPU、RAM 配置），适用于不同类型的项目，从简单的脚本开发到大型应用。
集成 GitHub 工作流：自动与 GitHub 仓库关联，便于代码版本控制和提交。
多端支持：可在本地的 VS Code 使用，也可直接在浏览器中使用。

适用场景：

用于快速搭建和部署开发环境，减少开发配置时间。
团队合作开发，确保所有开发者在一致的环境中进行代码编辑。
适合需要频繁切换或同时处理多个项目的开发者。

2.2.2. Hugging Face Spaces

Hugging Face Spaces 是 Hugging Face 提供的云端应用托管平台，主要面向 AI 和机器学习应用的展示和交互。开发者可以将自己的模型部署到 Hugging Face Spaces 上，用户可以直接在网页中进行交互，试用模型的功能。

特点和功能：

支持 Gradio 和 Streamlit：可直接使用 Gradio 或 Streamlit 等流行框架，快速构建交互式前端界面。
轻松部署机器学习模型：支持 Hugging Face 的 Transformers、Diffusers 等库的快速集成，便于展示和使用预训练模型。
免费与付费资源：免费用户可以使用有限的计算资源，专业和企业用户可以选择更高的资源配置，适合部署资源需求更高的项目。
开源和社区分享：支持公开或私有空间的选择，开发者可以将模型分享给社区使用，便于 AI 应用的测试和推广。

适用场景：

部署和展示 AI 模型的交互界面，便于用户直接体验模型功能。
面向数据科学、AI 开发人员，便于共享和推广模型和项目。
适用于快速构建可视化界面，并希望与社区分享的机器学习项目。

2.2.3. 总结

GitHub CodeSpaces：适用于通用软件开发环境的快速配置和共享，专注于代码编辑和调试。
Hugging Face Spaces：专为机器学习和 AI 模型展示而设计，支持互动界面创建和模型托管。

两者都有助于提高开发效率，一个专注于代码编辑环境，一个专注于 AI 模型展示和体验。

3. 模型下载

模型下载，这里需要进入Hugging Face的官网进行注册：https://huggingface.co/

3.1. GitHub CodeSpaces使用

因为网络和磁盘有限的原因，强烈不建议在 InternStudio 运行，因此这里使用CodeSpace。

https://github.com/codespaces

Github CodeSpace是Github推出的线上代码平台，提供了一系列templates，我们这里选择Jupyter Notebook进行创建环境。创建好环境后，可以进入网页版VSCode的界面，这就是CodeSpace提供给我们的在线编程环境。
在这里插入图片描述

在界面下方的终端（terminal）安装以下依赖，便于模型运行。

# 安装transformers
pip install transformers==4.38
pip install sentencepiece==0.1.99
pip install einops==0.8.0
pip install protobuf==5.27.2
pip install accelerate==0.33.0

运行结果：

@banjr ➜ /workspaces/codespaces-jupyter (main) $ # 安装transformers
p install sentencepiece==0.1.99
pip install einops==0.8.0
pip install protobuf==5.27.2
pip install accelerate==0.33.0@banjr ➜ /workspaces/codespaces-jupyter (main) $ pip install transformers==4.38
Collecting transformers==4.38
  Downloading transformers-4.38.0-py3-none-any.whl.metadata (131 kB)
Requirement already satisfied: filelock in /home/codespace/.local/lib/python3.12/site-packages (from transformers==4.38) (3.13.1)
Collecting huggingface-hub<1.0,>=0.19.3 (from transformers==4.38)
  Downloading huggingface_hub-0.26.1-py3-none-any.whl.metadata (13 kB)
Requirement already satisfied: numpy>=1.17 in /home/codespace/.local/lib/python3.12/site-packages (from transformers==4.38) (2.1.2)
Requirement already satisfied: packaging>=20.0 in /home/codespace/.local/lib/python3.12/site-packages (from transformers==4.38) (24.1)
Requirement already satisfied: pyyaml>=5.1 in /home/codespace/.local/lib/python3.12/site-packages (from transformers==4.38) (6.0.2)
Collecting regex!=2019.12.17 (from transformers==4.38)
  Downloading regex-2024.9.11-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (40 kB)
Requirement already satisfied: requests in /home/codespace/.local/lib/python3.12/site-packages (from transformers==4.38) (2.32.3)
Collecting tokenizers<0.19,>=0.14 (from transformers==4.38)
  Downloading tokenizers-0.15.2-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (6.7 kB)
Collecting safetensors>=0.4.1 (from transformers==4.38)
  Downloading safetensors-0.4.5-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (3.8 kB)
Requirement already satisfied: tqdm>=4.27 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from transformers==4.38) (4.66.4)
Requirement already satisfied: fsspec>=2023.5.0 in /home/codespace/.local/lib/python3.12/site-packages (from huggingface-hub<1.0,>=0.19.3->transformers==4.38) (2024.2.0)
Requirement already satisfied: typing-extensions>=3.7.4.3 in /home/codespace/.local/lib/python3.12/site-packages (from huggingface-hub<1.0,>=0.19.3->transformers==4.38) (4.9.0)
Requirement already satisfied: charset-normalizer<4,>=2 in /home/codespace/.local/lib/python3.12/site-packages (from requests->transformers==4.38) (3.4.0)
Requirement already satisfied: idna<4,>=2.5 in /home/codespace/.local/lib/python3.12/site-packages (from requests->transformers==4.38) (3.10)
Requirement already satisfied: urllib3<3,>=1.21.1 in /home/codespace/.local/lib/python3.12/site-packages (from requests->transformers==4.38) (2.2.3)
Requirement already satisfied: certifi>=2017.4.17 in /home/codespace/.local/lib/python3.12/site-packages (from requests->transformers==4.38) (2024.8.30)
Downloading transformers-4.38.0-py3-none-any.whl (8.5 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 8.5/8.5 MB 53.1 MB/s eta 0:00:00
Downloading huggingface_hub-0.26.1-py3-none-any.whl (447 kB)
Downloading regex-2024.9.11-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (797 kB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 797.0/797.0 kB 5.4 MB/s eta 0:00:00
Downloading safetensors-0.4.5-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (434 kB)
Downloading tokenizers-0.15.2-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (3.6 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 3.6/3.6 MB 46.3 MB/s eta 0:00:00
Installing collected packages: safetensors, regex, huggingface-hub, tokenizers, transformers
Successfully installed huggingface-hub-0.26.1 regex-2024.9.11 safetensors-0.4.5 tokenizers-0.15.2 transformers-4.38.0

[notice] A new release of pip is available: 24.2 -> 24.3
[notice] To update, run: python3 -m pip install --upgrade pip
@banjr ➜ /workspaces/codespaces-jupyter (main) $ pip install sentencepiece==0.1.99
Collecting sentencepiece==0.1.99
  Downloading sentencepiece-0.1.99.tar.gz (2.6 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.6/2.6 MB 28.9 MB/s eta 0:00:00
  Installing build dependencies ... done
  Getting requirements to build wheel ... done
  Preparing metadata (pyproject.toml) ... done
Building wheels for collected packages: sentencepiece
  Building wheel for sentencepiece (pyproject.toml) ... \
done
  Created wheel for sentencepiece: filename=sentencepiece-0.1.99-cp312-cp312-linux_x86_64.whl size=1287194 sha256=b7585537f47518fcdfb9191f604d89a69b231550fc9dcc074e90f3ec98caecba
  Stored in directory: /home/codespace/.cache/pip/wheels/e0/8c/e0/65e33b1f4b8462dfc537a0cac02e5c03e1207564c300e4bde5
Successfully built sentencepiece
Installing collected packages: sentencepiece
Successfully installed sentencepiece-0.1.99

[notice] A new release of pip is available: 24.2 -> 24.3
[notice] To update, run: python3 -m pip install --upgrade pip
@banjr ➜ /workspaces/codespaces-jupyter (main) $ pip install einops==0.8.0
Collecting einops==0.8.0
  Downloading einops-0.8.0-py3-none-any.whl.metadata (12 kB)
Downloading einops-0.8.0-py3-none-any.whl (43 kB)
Installing collected packages: einops
Successfully installed einops-0.8.0

[notice] A new release of pip is available: 24.2 -> 24.3
[notice] To update, run: python3 -m pip install --upgrade pip
@banjr ➜ /workspaces/codespaces-jupyter (main) $ pip install protobuf==5.27.2
Collecting protobuf==5.27.2
  Downloading protobuf-5.27.2-cp38-abi3-manylinux2014_x86_64.whl.metadata (592 bytes)
Downloading protobuf-5.27.2-cp38-abi3-manylinux2014_x86_64.whl (309 kB)
Installing collected packages: protobuf
Successfully installed protobuf-5.27.2

[notice] A new release of pip is available: 24.2 -> 24.3
[notice] To update, run: python3 -m pip install --upgrade pip
@banjr ➜ /workspaces/codespaces-jupyter (main) $ pip install accelerate==0.33.0
Collecting accelerate==0.33.0
  Downloading accelerate-0.33.0-py3-none-any.whl.metadata (18 kB)
Collecting numpy<2.0.0,>=1.17 (from accelerate==0.33.0)
  Downloading numpy-1.26.4-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (61 kB)
Requirement already satisfied: packaging>=20.0 in /home/codespace/.local/lib/python3.12/site-packages (from accelerate==0.33.0) (24.1)
Requirement already satisfied: psutil in /home/codespace/.local/lib/python3.12/site-packages (from accelerate==0.33.0) (6.0.0)
Requirement already satisfied: pyyaml in /home/codespace/.local/lib/python3.12/site-packages (from accelerate==0.33.0) (6.0.2)
Requirement already satisfied: torch>=1.10.0 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from accelerate==0.33.0) (2.3.0)
Requirement already satisfied: huggingface-hub>=0.21.0 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from accelerate==0.33.0) (0.26.1)
Requirement already satisfied: safetensors>=0.3.1 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from accelerate==0.33.0) (0.4.5)
Requirement already satisfied: filelock in /home/codespace/.local/lib/python3.12/site-packages (from huggingface-hub>=0.21.0->accelerate==0.33.0) (3.13.1)
Requirement already satisfied: fsspec>=2023.5.0 in /home/codespace/.local/lib/python3.12/site-packages (from huggingface-hub>=0.21.0->accelerate==0.33.0) (2024.2.0)
Requirement already satisfied: requests in /home/codespace/.local/lib/python3.12/site-packages (from huggingface-hub>=0.21.0->accelerate==0.33.0) (2.32.3)
Requirement already satisfied: tqdm>=4.42.1 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from huggingface-hub>=0.21.0->accelerate==0.33.0) (4.66.4)
Requirement already satisfied: typing-extensions>=3.7.4.3 in /home/codespace/.local/lib/python3.12/site-packages (from huggingface-hub>=0.21.0->accelerate==0.33.0) (4.9.0)
Requirement already satisfied: sympy in /home/codespace/.local/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (1.13.1)
Requirement already satisfied: networkx in /home/codespace/.local/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (3.2.1)
Requirement already satisfied: jinja2 in /home/codespace/.local/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (3.1.4)
Requirement already satisfied: nvidia-cuda-nvrtc-cu12==12.1.105 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (12.1.105)
Requirement already satisfied: nvidia-cuda-runtime-cu12==12.1.105 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (12.1.105)
Requirement already satisfied: nvidia-cuda-cupti-cu12==12.1.105 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (12.1.105)
Requirement already satisfied: nvidia-cudnn-cu12==8.9.2.26 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (8.9.2.26)
Requirement already satisfied: nvidia-cublas-cu12==12.1.3.1 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (12.1.3.1)
Requirement already satisfied: nvidia-cufft-cu12==11.0.2.54 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (11.0.2.54)
Requirement already satisfied: nvidia-curand-cu12==10.3.2.106 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (10.3.2.106)
Requirement already satisfied: nvidia-cusolver-cu12==11.4.5.107 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (11.4.5.107)
Requirement already satisfied: nvidia-cusparse-cu12==12.1.0.106 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (12.1.0.106)
Requirement already satisfied: nvidia-nccl-cu12==2.20.5 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (2.20.5)
Requirement already satisfied: nvidia-nvtx-cu12==12.1.105 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from torch>=1.10.0->accelerate==0.33.0) (12.1.105)
Requirement already satisfied: nvidia-nvjitlink-cu12 in /usr/local/python/3.12.1/lib/python3.12/site-packages (from nvidia-cusolver-cu12==11.4.5.107->torch>=1.10.0->accelerate==0.33.0) (12.6.77)
Requirement already satisfied: MarkupSafe>=2.0 in /home/codespace/.local/lib/python3.12/site-packages (from jinja2->torch>=1.10.0->accelerate==0.33.0) (3.0.1)
Requirement already satisfied: charset-normalizer<4,>=2 in /home/codespace/.local/lib/python3.12/site-packages (from requests->huggingface-hub>=0.21.0->accelerate==0.33.0) (3.4.0)
Requirement already satisfied: idna<4,>=2.5 in /home/codespace/.local/lib/python3.12/site-packages (from requests->huggingface-hub>=0.21.0->accelerate==0.33.0) (3.10)
Requirement already satisfied: urllib3<3,>=1.21.1 in /home/codespace/.local/lib/python3.12/site-packages (from requests->huggingface-hub>=0.21.0->accelerate==0.33.0) (2.2.3)
Requirement already satisfied: certifi>=2017.4.17 in /home/codespace/.local/lib/python3.12/site-packages (from requests->huggingface-hub>=0.21.0->accelerate==0.33.0) (2024.8.30)
Requirement already satisfied: mpmath<1.4,>=1.1.0 in /home/codespace/.local/lib/python3.12/site-packages (from sympy->torch>=1.10.0->accelerate==0.33.0) (1.3.0)
Downloading accelerate-0.33.0-py3-none-any.whl (315 kB)
Downloading numpy-1.26.4-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (18.0 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 18.0/18.0 MB 67.3 MB/s eta 0:00:00
Installing collected packages: numpy, accelerate
  Attempting uninstall: numpy
    Found existing installation: numpy 2.1.2
    Uninstalling numpy-2.1.2:
      Successfully uninstalled numpy-2.1.2
Successfully installed accelerate-0.33.0 numpy-1.26.4

[notice] A new release of pip is available: 24.2 -> 24.3
[notice] To update, run: python3 -m pip install --upgrade pip
@banjr ➜ /workspaces/codespaces-jupyter (main) $

3.1.下载internlm2_5-7b-chat的配置文件

考虑到个人GitHub CodeSpace硬盘空间有限（32GB可用），而7B的模型相对较大，这里我们先演示如何下载模型文件夹的特定文件。考虑到CodeSpace平台上默认的用户权限不是root权限，这里为方便演示直接在工作区创建文件，即/workspaces/codespaces-jupyter 目录

以下载模型的配置文件为例，先新建一个hf_download_josn.py 文件。

touch hf_download_josn.py

在这里插入图片描述

在这个文件中，粘贴以下代码

import os
from huggingface_hub import hf_hub_download

# 指定模型标识符
repo_id = "internlm/internlm2_5-7b"

# 指定要下载的文件列表
files_to_download = [
    {"filename": "config.json"},
    {"filename": "model.safetensors.index.json"}
]

# 创建一个目录来存放下载的文件
local_dir = f"{repo_id.split('/')[1]}"
os.makedirs(local_dir, exist_ok=True)

# 遍历文件列表并下载每个文件
for file_info in files_to_download:
    file_path = hf_hub_download(
        repo_id=repo_id,
        filename=file_info["filename"],
        local_dir=local_dir
    )
    print(f"{file_info['filename']} file downloaded to: {file_path}")

在这里插入图片描述
运行该文件（注意文件目录请在该文件所在目录下运行该文件）

python hf_download_josn.py

可以看到，已经从Hugging Face上下载了相应配置文件
在这里插入图片描述

虽然在这里我们没有完全下载internlm2_5-7b-chat模型，但是在实战营课程中，我们的InternStudio平台的 /root/share 目录下已经提供了InterLM2.5系列的模型，可以找到它们作为model_name_or_path进行使用，如/root/share/new_models/Shanghai_AI_Laboratory/internlm2_5-7b-chat

3.2. 下载internlm2_5-chat-1_8b并打印示例输出

那么如果我们需想要下载一个完整的模型文件怎么办呢？创建一个python文件用于下载internlm2_5-1_8B模型并运行。下载速度跟网速和模型参数量大小相关联，如果网速较慢的小伙伴可以只尝试下载1.8b模型对应的config.json文件以及其他配置文件。

touch hf_download_1_8_demo.py

在这里插入图片描述
注意到在CodeSpace平台上是没有GPU资源的，因此我们Python代码中只使用CPU进行推理，我们需要修改跟CUDA有关的API，在hf_download_1_8_demo.py文件中粘贴以下内容：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("internlm/internlm2_5-1_8b", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("internlm/internlm2_5-1_8b", torch_dtype=torch.float16, trust_remote_code=True)
model = model.eval()

inputs = tokenizer(["A beautiful flower"], return_tensors="pt")
gen_kwargs = {
    "max_length": 128,
    "top_p": 0.8,
    "temperature": 0.8,
    "do_sample": True,
    "repetition_penalty": 1.0
}

# 以下内容可选，如果解除注释等待一段时间后可以看到模型输出
# output = model.generate(**inputs, **gen_kwargs)
# output = tokenizer.decode(output[0].tolist(), skip_special_tokens=True)
# print(output)

等待几分钟后，会在控制台返回模型生成的结果（解除注释后）

没有解除注释：
在这里插入图片描述

解除注释后：

这里以“A beautiful flower”开头，模型对其进行“续写”，InternLM的模型拥有强大的数学方面的能力。这边它输出的文本似乎是关于一个数学问题。

具体这道题的意思是：
一个美丽的花盆由一个底部的圆柱体和顶部的半球体组成。底部圆柱体的半径是 10 ，顶部半球体的半径也是 10。求这个花盆的体积。

3. Space上传（可选）

3.1. Hugging Face Spaces的使用

Hugging Face Spaces 是一个允许我们轻松地托管、分享和发现基于机器学习模型的应用的平台。Spaces 使得开发者可以快速将我们的模型部署为可交互的 web 应用，且无需担心后端基础设施或部署的复杂性。首先访问以下链接，进入Spaces。在右上角点击Create new Space进行创建：
https://huggingface.co/spaces
在这里插入图片描述

3.2. 创建页面

在创建页面中，输入项目名为intern_cobuild，并选择Static应用进行创建
在这里插入图片描述
创建成功后会自动跳转到一个默认的HTML页面。创建好项目后，回到我们的CodeSpace，接着clone项目。

3.3. 回到我们的CodeSpace clone项目

注意这里请替换你自己的username

cd /workspaces/codespaces-jupyter
# 请将<your_username>替换你自己的username
git clone https://huggingface.co/spaces/<your_username>/intern_cobuild
cd /workspaces/codespaces-jupyter/intern_cobuild

找到该目录文件夹下的index.html文件，修改我们的html代码

<!doctype html>
<html>
<head>
  <meta charset="utf-8" />
  <meta name="viewport" content="width=device-width" />
  <title>My static Space</title>
  <style>
    html, body {
      margin: 0;
      padding: 0;
      height: 100%;
    }
    body {
      display: flex;
      justify-content: center;
      align-items: center;
    }
    iframe {
      width: 430px;
      height: 932px;
      border: none;
    }
  </style>
</head>
<body>
  <iframe src="https://colearn.intern-ai.org.cn/cobuild" title="description"></iframe>
</body>
</html>

在这里插入图片描述

3.4. 保存后push到远程仓库上（它会自动更新页面）

保存后就可以push到远程仓库上了，它会自动更新页面。

git add .
git commit -m "update: colearn page"
git push

如果报错：remote: Password authentication in git is no longer supported. You must use a user access token or an SSH key instead. 请再次设置这个项目的验证，这个地方需要用户的Access Tokens（具体获取方式见下文 “4.2 获取登录过程中需要输入的用户的Access Tokens”）
git remote set-url origin https://<user_name>:@huggingface.co/<repo_path>
例如：
git remote set-url origin https://jack:hf_xxxxx@huggingface.co/spaces/jack/intern_cobuild/
然后再次git push即可

这个命令用于更新 Git 仓库的远程 URL，将其设置为 Hugging Face 的仓库地址。具体来看：

git remote set-url origin <URL>
- git remote set-url 是 Git 的命令，用于更改已存在的远程仓库 URL。
- origin 是默认的远程仓库名称，表示要修改的仓库的名称。
https://<user_name>:<token>@huggingface.co/<repo_path>
- https:// 后面的部分指定新的远程仓库 URL。
- <user_name> 是你的 Hugging Face 用户名。
- <token> 是 Hugging Face 提供的访问令牌，通常用于身份验证，避免每次提交时都要手动输入用户名和密码。
- huggingface.co/<repo_path> 是 Hugging Face 仓库的地址和路径。

这样配置后，Git 会使用指定的用户凭证自动连接到 Hugging Face 仓库，简化了推送和拉取代码的流程。

再次进入Space界面，就可以看到实战营的共建活动。
在这里插入图片描述

4. 模型上传（可选）

4.1. 安装git lfs

通过CLI上传 Hugging Face同样是跟Git相关联，通常大模型的模型文件都比较大，因此我们需要安装git lfs，对大文件系统支持。

curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
# sudo apt-get install git-lfs # CodeSpace里面可能会有aptkey冲突且没有足够权限
git lfs install # 直接在git环境下配置git LFS
pip install huggingface_hub

这个命令是在 Linux 系统上安装 git-lfs（Git Large File Storage）的脚本，具体分解如下：

curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh
- curl 是一个命令行工具，用于从 URL 下载内容。
- -s 参数让 curl 静默运行，不输出下载过程的进度信息。

总结

这个命令通过下载并执行 GitHub 提供的 git-lfs 安装脚本，以便自动完成 Git LFS 的设置和依赖安装。

4.2. 获取HF登录过程中需要输入用户的Access Tokens

使用huggingface-cli login命令进行登录，登录过程中需要输入用户的Access Tokens，获取时，需要先验证email
在这里插入图片描述

完成验证后，点击create new token，创建一个类型为“Write”的token，并请复制好token后要存储在合适的地方
在这里插入图片描述

4.3. 在CodeSpace里面登录

接着可以在CodeSpace里面，使用

git config --global credential.helper store
huggingface-cli login

命令进行登录，这时需要输入刚刚的token
在这里插入图片描述

在这里插入图片描述

4.4. 创建项目

cd /workspaces/codespaces-jupyter

#intern_study_L0_4就是model_name
huggingface-cli repo create intern_study_L0_4

# 克隆到本地 your_github_name 注意替换成你自己的
git clone https://huggingface.co/{your_github_name}/intern_study_L0_4

克隆好之后，刷新文件目录可以看到克隆好的intern_study_L0_4文件夹。

我们可以把训练好的模型保存进里面，这里考虑到网速问题，只上传我们刚刚下载好的config.json，把它复制粘贴进这个文件夹里面，还可以写一个README.md文件，比如可以粘贴以下内容：

# 书生浦语大模型实战营camp4
- hugging face模型上传测试
- 更多内容请访问 https://github.com/InternLM/Tutorial/tree/camp4

在这里插入图片描述

4.5. 用git提交到远程仓库

现在可以用git提交到远程仓库

cd intern_study_L0_4
git add .
git commit -m "add:intern_study_L0_4"
git push

在这里插入图片描述

注意，如果git push 报错，可能是第一次上传时需要验证，请使用以下命令，注意替换<>里面的内容，然后再次git push一下就可以了

git remote set-url origin https://<user_name>:<token>@huggingface.co/<repo_path>

# 如 git remote set-url origin https://blank:hf_xxxxxxxxxxx@huggingface.co/blank/intern_study_L0_4

# 这里blank和hf_xxxxxxxxxxxx只是示例 请替换为你的username和之前申请的access token

git pull origin

现在可以在Hugging Face的个人profile里面看到这个model，也可以直接将下面的Url输入到浏览器网址栏上

https://huggingface.co/<user_name>/intern_study_L0_4

在这里插入图片描述