引言
GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。 在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出较高的性能。GLM-4-9B 模型具备了更强大的推理性能、更长的上下文处理能力、多语言、多模态和 All Tools 等突出能力。GLM-4-9B 系列模型包括：基础版本 GLM-4-9B（8K）、对话版本 GLM-4-9B-Chat（128K）、超长上下文版本 GLM-4-9B-Chat-1M（1M）和多模态版本 GLM-4V-9B-Chat（8K）。
如下为GLM-4-9B-Chat模型的经典任务评测结果：
在线体验
魔搭社区使用自研开源的推理加速框架DashInfer转换了模型格式，支持在CPU上运行，并搭建了体验链接，欢迎大家体验：
https://www.modelscope.cn/studios/dash-infer/GLM-4-Chat-DashInfer-Demo/summary?from=alizishequ__text
同时创空间体验也支持vLLM推理，体验链接：
https://www.modelscope.cn/studios/ZhipuAI/glm-4-9b-chat-vllm/summary?from=alizishequ__text
效果体验
语义创作：
数学：
<计算题>
<应用题>
推理：
模型链接及下载
GLM-4-9B-Chat
模型链接：
https://modelscope.cn/models/ZhipuAI/glm-4-9b-chat/summary
GLM-4-9B-Chat-1M
模型链接：
https://modelscope.cn/models/ZhipuAI/glm-4-9b-chat-1m/summary
glm-4-9b
模型链接：
https://modelscope.cn/models/ZhipuAI/glm-4-9b/summary
glm-4v-9b
模型链接：
https://modelscope.cn/models/ZhipuAI/glm-4v-9b/summary
模型weights下载
from modelscope import snapshot_download model_dir = snapshot_download("ZhipuAI/glm-4-9b-chat")
模型推理
使用Transformers
大语言模型推理代码
import torch from modelscope import AutoModelForCausalLM, AutoTokenizer device = "cuda" tokenizer = AutoTokenizer.from_pretrained("ZhipuAI/glm-4-9b-chat",trust_remote_code=True) query = "你好" inputs = tokenizer.apply_chat_template([{"role": "user", "content": query}], add_generation_prompt=True, tokenize=True, return_tensors="pt", return_dict=True ) inputs = inputs.to(device) model = AutoModelForCausalLM.from_pretrained( "ZhipuAI/glm-4-9b-chat", torch_dtype=torch.bfloat16, low_cpu_mem_usage=True, trust_remote_code=True ).to(device).eval() gen_kwargs = {"max_length": 2500, "do_sample": True, "top_k": 1} with torch.no_grad(): outputs = model.generate(**inputs, **gen_kwargs) outputs = outputs[:, inputs['input_ids'].shape[1]:] print(tokenizer.decode(outputs[0], skip_special_tokens=True))
显存占用：
多模态模型推理代码
import torch from PIL import Image from modelscope import AutoModelForCausalLM, AutoTokenizer device = "cuda" tokenizer = AutoTokenizer.from_pretrained("ZhipuAI/glm-4v-9b", trust_remote_code=True) query = '这样图片里面有几朵花？' image = Image.open("/mnt/workspace/玫瑰.jpeg").convert('RGB') inputs = tokenizer.apply_chat_template([{"role": "user", "image": image, "content": "这样图片里面有几朵花？"}], add_generation_prompt=True, tokenize=True, return_tensors="pt", return_dict=True) # chat mode inputs = inputs.to(device) model = AutoModelForCausalLM.from_pretrained( "ZhipuAI/glm-4v-9b", torch_dtype=torch.bfloat16, low_cpu_mem_usage=True, trust_remote_code=True ).to(device).eval() gen_kwargs = {"max_length": 500, "do_sample": True, "top_k": 1} with torch.no_grad(): outputs = model.generate(**inputs, **gen_kwargs) outputs = outputs[:, inputs['input_ids'].shape[1]:] print(tokenizer.decode(outputs[0]))
显存占用
使用vLLM推理
from modelscope import AutoTokenizer from vllm import LLM, SamplingParams from modelscope import snapshot_download # GLM-4-9B-Chat max_model_len, tp_size = 131072, 1 model_name = snapshot_download("ZhipuAI/glm-4-9b-chat") prompt = '你好' tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) llm = LLM( model=model_name, tensor_parallel_size=tp_size, max_model_len=max_model_len, trust_remote_code=True, enforce_eager=True, ) stop_token_ids = [151329, 151336, 151338] sampling_params = SamplingParams(temperature=0.95, max_tokens=1024, stop_token_ids=stop_token_ids) inputs = tokenizer.apply_chat_template([{'role': 'user', 'content': prompt}], add_generation_prompt=True)[0] outputs = llm.generate(prompt_token_ids=[inputs], sampling_params=sampling_params) generated_text = [output.outputs[0].text for output in outputs] print(generated_text)
使用DashInfer CPU推理引擎
DashInfer格式模型：https://www.modelscope.cn/models/dash-infer/glm-4-9b-chat-DI/summary
python依赖：
pip install modelscope dashinfer jinja2 tabulate torch transformers
推理代码：
import copy import random from modelscope import snapshot_download from dashinfer.helper import EngineHelper, ConfigManager model_path = snapshot_download("dash-infer/glm-4-9b-chat-DI") config_file = model_path + "/" + "di_config.json" config = ConfigManager.get_config_from_json(config_file) config["model_path"] = model_path ## init EngineHelper class engine_helper = EngineHelper(config) engine_helper.verbose = True engine_helper.init_tokenizer(model_path) ## init engine engine_helper.init_engine() ## prepare inputs and generation configs user_input = "浙江的省会在哪" prompt = "[gMASK] <sop> " + "<|user|>\n" + user_input + "<|assistant|>\n" gen_cfg = copy.deepcopy(engine_helper.default_gen_cfg) gen_cfg["seed"] = random.randint(0, 10000) request_list = engine_helper.create_request([prompt], [gen_cfg]) ## inference engine_helper.process_one_request(request_list[0]) engine_helper.print_inference_result_all(request_list) engine_helper.uninit_engine()
微调
ms-swift已支持了以上glm4系列大模型和多模态大模型的推理、微调、量化和openai接口部署。这里我们展示使用swift对glm-4v-9b的微调和微调后推理。
swift是魔搭社区官方提供的大模型与多模态大模型微调推理框架。
swift开源地址：https://github.com/modelscope/swift
swift对glm-4v-9b推理与微调的最佳实践可以查看：https://github.com/modelscope/swift/blob/main/docs/source/Multi-Modal/glm4v%E6%9C%80%E4%BD%B3%E5%AE%9E%E8%B7%B5.md
通常，多模态大模型微调会使用自定义数据集进行微调。在这里，我们将展示可直接运行的demo。我们使用 coco-mini-en-2 数据集进行微调，该数据集的任务是对图片内容进行描述。您可以在 modelscope 上找到该数据集：https://modelscope.cn/datasets/modelscope/coco_2014_caption/summary
在开始微调之前，请确保您的环境已准备妥当。
git clone https://github.com/modelscope/swift.git cd swift pip install -e .[llm]
LoRA微调脚本如下所示。该脚本将只对语言和视觉模型的qkv进行lora微调，如果你想对所有linear层都进行微调，可以指定--lora_target_modules ALL。
# Experimental environment: A100 # 30GB GPU memory CUDA_VISIBLE_DEVICES=0 swift sft \ --model_id_or_path ZhipuAI/glm-4v-9b \ --dataset coco-mini-en-2 \
如果要使用自定义数据集，只需按以下方式进行指定：
# val_dataset可选，如果不指定，则会从dataset中切出一部分数据集作为验证集 --dataset train.jsonl \ --val_dataset val.jsonl \
自定义数据集支持json和jsonl样式。glm-4v-9b支持多轮对话，但总的对话轮次中需包含一张图片，支持传入本地路径或URL。以下是自定义数据集的示例：
{"query": "55555", "response": "66666", "images": ["image_path"]} {"query": "eeeee", "response": "fffff", "history": [], "images": ["image_path"]} {"query": "EEEEE", "response": "FFFFF", "history": [["AAAAA", "BBBBB"], ["CCCCC", "DDDDD"]], "images": ["image_path"]}
微调后推理脚本如下，这里的ckpt_dir需要修改为训练生成的checkpoint文件夹：
CUDA_VISIBLE_DEVICES=0 swift infer \ --ckpt_dir output/glm4v-9b-chat/vx-xxx/checkpoint-xxx \ --load_dataset_config true \
你也可以选择merge lora并进行推理：
CUDA_VISIBLE_DEVICES=0 swift export \ --ckpt_dir output/glm4v-9b-chat/vx-xxx/checkpoint-xxx \ --merge_lora true CUDA_VISIBLE_DEVICES=0 swift infer \ --ckpt_dir output/glm4v-9b-chat/vx-xxx/checkpoint-xxx-merged \ --load_dataset_config true
微调过程的loss可视化：（由于时间原因，这里只微调了400个steps）
微调后模型对验证集进行推理的示例：
[PROMPT][gMASK] <sop> <|user|> <|begin_of_image|> <|endoftext|> <|end_of_image|> please describe the image. <|assistant|>[OUTPUT]A stuffed animal with a pink nose and black eyes is sitting on a bed. <|endoftext|> [LABELS]A stuffed bear sitting on the pillow of a bed. [IMAGES]['https://xingchen-data.oss-cn-zhangjiakou.aliyuncs.com/coco/2014/val2014/COCO_val2014_000000010395.jpg']
[PROMPT][gMASK] <sop> <|user|> <|begin_of_image|> <|endoftext|> <|end_of_image|> please describe the image. <|assistant|>[OUTPUT]A giraffe is walking through a grassy field surrounded by trees. <|endoftext|> [LABELS]A giraffe walks on the tundra tree-lined park.
点击链接👇直达原文
https://www.modelscope.cn/studios/dash-infer/GLM-4-Chat-DashInfer-Demo/summary?from=alizishequ__text
