最近业务上需要用到大模型相关的知识，所以准备简单的搭建一个环境，详细的细节后面慢慢研究，现记录下搭建过程。至于为什么选择ChatGLM-6B,主要原因是它支持中英双语，同时支持离线部署，可以方便的构建本地化的问答知识库。
由于ChatGLM-6B对python版本有一定要求，目前要求3.7+版本，为了减少python版本冲突的影响，可以通过使用conda来管理python环境。
安装Anaconda3
1、下载地址：https://www.anaconda.com/download/，选择自己机器对应的版本下载，我这里以Linux环境
2、安装：执行脚本 bash Anaconda3-2022.5-Linux-x86_64.sh
创建python虚拟环境
1、创建虚拟环境：conda create --name xxx_name pyhton=3.8 # xxx_name 为创建的虚拟环境的名称 通过python指定相应的版本，这里需要>=3.7即可
2、激活虚拟环境：source activate xxx_name
部署ChatGLM-6B
1、下载ChatGLM-6B代码
git clone https://github.com/THUDM/ChatGLM-6B.git
进入到ChatGLM-6B中，执行相应的安装命令
pip install gradio # 用于启动图形化界面
pip install -r requrement.txt
2、下载模型代码（ChatGLM-6B的模型代码在huggingface上托管：https://huggingface.co/THUDM/chatglm-6b）
下载模型代码不是必须的，可以启动后在线下载，不过受限于网络速度，这里提前下载好放在本地，并修改代码指向本地模型。
git clone https://huggingface.co/THUDM/chatglm-6b
3、修改web_demo.py的模型应用路径如下图：
4、启动
python web_demo.py
实现效果
通过启动完成后的链接访问，如下：
参数解释：
Maximum length：限制输入序列的最大长度
Top P：指在生成文本等任务中，选择可能性最高的前P个词的概率累加和（值越高，准确性更高，但是多样性可能降低）
Temperature：增加或减少模型对不同类别的置信度（值越小，会使得模型更加自信）
常见问题/报错：
1、RuntimeError
解决办法：
a、检查下载的模型文件是否完整（8个文件每个都在1G以上，痛殴对比文件大小可以看出来是否正确）
b、检查模型文件中的其他文件是否和huggingface仓库文件一致，如果不一致可以手动下载
2、CUDA OOM问题
解决办法：
