nvidia-smi

D:\developer\anaconda
D:\developer\anaconda\Scripts
D:\developer\anaconda\Library\bin
D:\developer\anaconda\Library\mingw-w64\bin

conda create -n pytorch python=3.10
conda activate pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

mkdir Qwen && cd Qwen
git clone https://www.modelscope.cn/qwen/Qwen1.5-0.5B-Chat.git
cd ..

pip install modelscope transformers

pip install optimum auto-gptq

from threading import Thread
from modelscope import (AutoModelForCausalLM, AutoTokenizer)
from transformers import TextIteratorStreamer
device = "cuda"  # 将模型加载到哪个硬件，此处为GPU
model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen1.5-0.5B-Chat", # 模型文件夹路径
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-0.5B-Chat")
while True:
    user_input = input("请输入问题（q退出）：")
    if user_input.lower() == "q":
        print("exit")
        break
    try:
        messages = [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": user_input}
        ]
        text = tokenizer.apply_chat_template(
            messages,
            tokenize=False,
            add_generation_prompt=False
        )
        inputs = tokenizer([text], return_tensors="pt").to(device)
        streamer = TextIteratorStreamer(tokenizer)
        generation_kwargs = dict(inputs, streamer=streamer, max_new_tokens=512)
        thread = Thread(target=model.generate, kwargs=generation_kwargs)
        thread.start()
        generated_text = ""
        count = 0
        for new_text in streamer:
            generated_text += new_text
            print(new_text, end="", flush=True)
        print()
    except Exception as e:
        print(f"出错了：{str(e)}")

from abc import ABC
from threading import Thread
from typing import Any, List, Mapping, Optional, Iterator
from langchain.callbacks.manager import CallbackManagerForLLMRun
from langchain.llms.base import LLM
from langchain_core.outputs import GenerationChunk
from modelscope import AutoModelForCausalLM, AutoTokenizer
from transformers import TextIteratorStreamer
device = "cuda"  # the device to load the model onto
model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen1.5-0.5B-Chat",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-0.5B-Chat")
class QwenLocalLLM(LLM, ABC):
    max_token: int = 10000
    temperature: float = 0.01
    top_p = 0.9
    def __init__(self):
        super().__init__()
    @property
    def _llm_type(self) -> str:
        return "Qwen"
    def _call(
            self,
            prompt: str,
            stop: Optional[List[str]] = None,
            run_manager: Optional[CallbackManagerForLLMRun] = None,
            **kwargs: Any
    ) -> str:
        messages = [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": prompt}
        ]
        text = tokenizer.apply_chat_template(
            messages,
            tokenize=False,
            add_generation_prompt=True
        )
        model_inputs = tokenizer([text], return_tensors="pt").to(device)
        generated_ids = model.generate(
            model_inputs.input_ids,
            max_new_tokens=512
        )
        generated_ids = [
            output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
        ]
        response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
        return response
    @property
    def _identifying_params(self) -> Mapping[str, Any]:
        """Get the identifying parameters."""
        return {"max_token": self.max_token,
                "temperature": self.temperature,
                "top_p": self.top_p,
                "history_len": self.history_len}
    def _stream(
            self,
            prompt: str,
            stop: Optional[List[str]] = None,
            run_manager: Optional[CallbackManagerForLLMRun] = None,
            **kwargs: Any,
    ) -> Iterator[GenerationChunk]:
        try:
            messages = [
                {"role": "system", "content": "You are a helpful assistant."},
                {"role": "user", "content": prompt}
            ]
            text = tokenizer.apply_chat_template(
                messages,
                tokenize=False,
                add_generation_prompt=False
            )
            inputs = tokenizer([text], return_tensors="pt").to(device)
            streamer = TextIteratorStreamer(tokenizer)
            generation_kwargs = dict(inputs, streamer=streamer, max_new_tokens=512)
            thread = Thread(target=model.generate, kwargs=generation_kwargs)
            thread.start()
            generated_text = ""
            for new_text in streamer:
                generated_text += new_text
                print(new_text, end="", flush=True)
                yield GenerationChunk(
                    text=new_text
                )
            print()
        except Exception as e:
            print(f"出错了：{str(e)}")
            yield GenerationChunk(
                text=f"生成失败: {str(e)}"
            )

# 替换前
model = Tongyi()
model.model_name = "qwen-max"
# 替换后
model = QwenLocalLLM()

1. **离线包结构**：离线包通常是一个包含前端资源的`.zip`包，这些资源可以是HTML、CSS、JavaScript文件或者图片等。这些资源被组织在一起，以便客户端能够下载并离线使用。
2. **离线包类型**：可能有不同类型的离线包，比如全量包和增量包。全量包包含所有更新的资源，而增量包只包含与旧版本相比发生变化的资源。
3. **渲染过程**：当客户端应用启动或用户触发更新时，会通过特定的RPC调用获取最新的离线包信息。然后，客户端会下载这个包，并将其解压缩到本地的沙盒目录。如果配置了验签，客户端还会验证包的完整性。一旦包被成功解压和验证，客户端会使用新的资源来渲染页面。
4. **更新流程**：更新流程包括构建前端`.zip`包，在线生成`.amr`包（可能是处理签名和版本信息的打包格式），然后通过发布平台将包推送给客户端。客户端在接收到更新信息后，会下载并应用新的离线包。
5. **检查和调试**：如果客户端无法加载新包，可以通过检查RPC返回结果、确认加载的离线包信息、检查沙盒目录下的解压情况、验证签名以及使用Safari调试H5页面来排查问题。
6. **客户端范围**：在控制台上传新版本离线包时，需要指定支持的客户端版本范围，只有在这个范围内的客户端才能接收并更新离线包。
7. **用户交互**：在应用中，用户触发更新后，会收到提示，更新完成后可以访问使用新离线包的页面。
详细原理可以参考[离线包简介](/document_detail/59594.html#topic-2125626)。

离线包更新的原理是这样的：
1. 首先，您需要安装离线包相关的配置文件。
2. 然后，您可以将离线包添加到应用的缓存或数据库中，以便下次下载使用。
3. 一旦离线包添加到缓存或数据库中，它将在后续请求中的 `<head>` 响应头中包含一个 `Content-Disposition` 属性，指定要下载的离线包的类型和URL，以及其离线包大小。
4. 然后，服务器会在适当的时候发送一个响应头，其中包含了离线包的状态码（如 `200 OK`）和一些相关信息，例如离线包的实际URL。
5. 最后，客户端可以从响应头中获取离线包的内容，并进行相应的操作。
此外，离线包还包含一些额外的信息，例如离线包的完整路径、离线包的版本号等，这些信息可以用于维护离线包的历史记录和调试。