目录

前言

在线体验 

 模型链接及下载

模型推理

使用Transformers 大语言模型推理代码

多模态模型推理代码

使用vLLM推理

前言

        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引擎dash-infer也转换了模型格式，支持在CPU上运行，并搭建了体验链接

魔搭社区汇聚各领域最先进的机器学习模型，提供模型探索体验、推理、训练、部署和应用的一站式服务。

https://modelscope.cn/studios/dash-infer/GLM-4-Chat-DashInfer-Demo同时创空间体验也支持vLLM推理，体验链接：

魔搭社区汇聚各领域最先进的机器学习模型，提供模型探索体验、推理、训练、部署和应用的一站式服务。

https://modelscope.cn/studios/ZhipuAI/glm-4-9b-chat-vllm/summary

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_downloadmodel_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 torchfrom modelscope import AutoModelForCausalLM, AutoTokenizerdevice = "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 torchfrom PIL import Imagefrom modelscope import AutoModelForCausalLM, AutoTokenizerdevice = "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 modeinputs = 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]))

使用vLLM推理

from modelscope import AutoTokenizerfrom vllm import LLM, SamplingParamsfrom modelscope import snapshot_download# GLM-4-9B-Chatmax_model_len, tp_size = 131072, 1model_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)