【书生·浦语大模型实战】“PDF阅读小助手”学习笔记
1 参考资料
《新版本Lmdeploy量化手册与评测》
2 项目资料
项目主页：【tcexeexe / pdf阅读小助手】
3 模型运行测试
在InternStudio平台中选择A100 (1/4)的配置，镜像选择Cuda11.7-conda，可以选择已有的开发机langchain；
3.1 创建工作空间
mkdir /root/pdf_project
1.2 Clone项目
git clone https://gitee.com/tcexeexe/pdf-reading-assistant.git
1.3 ⭐创建虚拟项目空间并生成软链接
# 迭代创建虚拟项目空间和model目录
ln -sf /root/pdf_project /home/tcexeexe
# 建立分词数据目录
mkdir -p /root/pdf_project/data/pdf-reading-assistant/data_base/vector_db/pdf
1.4 激活conda环境
conda activate InternLM
1.5 安装PyPDF2库
pip install PyPDF2 pypdf tiktoken transformers_stream_generator
1.6 创建model文件夹：用来存放工具模型
mkdir -p /home/tcexeexe/data/model
1.7 建立分词程序的软链接
ln -sf /root/data/model/sentence-transformer /home/tcexeexe/data/model/sentence-transformer
Note:
/home/tcexeexe/data/model/sentence-transformer：此路径来自于make_knowledge_repository.py
1.8 生成PDF知识库
python /root/pdf_project/data/pdf-reading-assistant/make_knowledge_repository.py
以上脚本会生成数据库文件chroma.sqlite3，知识库中指定的文件内容就会存到其中，之前使用的PDF文件就不需要了。
在安装PyPDF2之后仍然会遇到"ModuleNotFoundError: No module named ‘PyPDF2’"的错误
我们猜测这个错误是因为PyPDF2跟pypdf的重复安装导致的，为了验证这个问题，我们可以尝试使用绝对路径运行make_knowledge_repository.py:
/root/.conda/envs/InternLM/bin/python \
/root/pdf_project/data/pdf-reading-assistant/make_knowledge_repository.py
1.9 在InternStudio中上传的PDF文件会被其意外清理
我们在InternStudio上做实验时发现：
InternStudio会不定时地删除上传的PDF文件；
我们咨询了一下队长：
队长回复说这是InternStudio一种已知的问题；
1.8 运行网页demo
python /root/pdf_project/data/pdf-reading-assistant/web_demo.py
1.9 生成秘钥
ssh-keygen -t rsa
1.10 使用浏览器访问应用
通过网页访问：127.0.0.1:7860
1.11 提问备忘
“提示学习”：来自于《大语言模型提示注入攻击安全风险分析报告》
提示学习是什么
2 模型部署
2.1 OpenXLab：“相当于浦语体系中的HuggingFace平台”
2.2 更新工具库
python -m pip install --upgrade pip