chatglm2-6B是最近比较火爆的大模型，可以在消费级显卡上部署使用，适合学习。但是一般人也不一定有那么高的硬件配置，所以部署个int4版本应该是大多数人的最好选择。我就在家里部署起了int4版本的chatglm2-6B，记录一下免得忘了。

几个步骤：

1. 安装pytorch-gpu, 这个可以看下前一个博客：win10安装pytorch GPU_相国的博客-CSDN博客

2. 下载chatglm2的源码，并安装它的依赖

创建新的python环境，然后上chatglm2-6B的官方github下载源码GitHub - THUDM/ChatGLM2-6B: ChatGLM2-6B: An Open Bilingual Chat LLM | 开源双语对话语言模型 直接右键下载打包的源码即可，解压到本地目录

里面 model 目录是新创建的，为了放chatglm2的模型文件。

然后在你的Python环境中 pip install -r requirements.txt 就行。 下载的库很多记得用国内pip源！

这里我直接用前一个博客pytorch的那个环境，正好chatglm2也是用pytorch 2.0.1 ，这样就少下载一个巨库。

3. 下载chatglm2-int4的模型文件

从THUDM/chatglm2-6b-int4 at main (huggingface.co)

下载里面的模型文件下来，放到上面的model目录里。

里面重点是那个3.9G的 pytorch_model.bin文件，据说下载速度比较慢，我是从清华大学云盘下载的：清华大学云盘 (tsinghua.edu.cn)

（其实模型文件放哪里无所谓，不提前下载也行，它会按huggingface transformer下载模型的方式下载到被本地的）

 4. 修改使用模型的py脚本

清华官方提供了几种使用chatglm2的方式，有cli, http, gradio, streamlit, 根据你的需要打开相应的py的文件，修改 from_pretrained 函数那里，一共三处，以streamlit为的web_demo2.py例

所有的模型加载改成下面：

    tokenizer = AutoTokenizer.from_pretrained(r"D:\LLM\ChatGLM2-6B-main\model", trust_remote_code=True)
    model = AutoModel.from_pretrained(r"D:\LLM\ChatGLM2-6B-main\model", trust_remote_code=True).half().cuda()

图片可能有点长，需要打开来看。就是from_pretrained的两个路径地址，改为你保存模型的目录地址；另外一个是int4的启动方式，增加一个 .half()  。 原来chatglm2的官方源码里是没有这个的，我就按照THUDM/chatglm2-6b-int4 · Hugging Face 这里改。

不同客户端有不同启动方式，比如streamlit的是：  streamlit run web_demo2.py 

 int4的速度确实是不怎么快 :(

5. 踩过的坑

看了一些博客写的部署过程，感觉不难，但实际操作起来还是有一些问题。

比如model的路径我之前直接用相对路径报了个模型找不到的错，于是我改成了绝对路径。

比如有博客是下载chatglm2模型的N个bin文件回来，修改量化启动方式有些不是用 .half() 的，这就不细说了。

最后一个启动访问客户端以后，命令行出现了缺少gcc ，但不影响使用，就没理它