在AWS上部署llama-2

本教程介绍如何使用Walrus在AWS上使用CPU部署llama-2，并通过友好的web UI来使用它。

先决条件

想要跟随本教程，您将需要：

1. AWS账号以及关联的凭证，并且有足够的权限来创建EC2实例。
2. 安装Walrus。

注意： 虽然使用CPU比GPU便宜，但仍会给您带来对应EC2实例的开销。

简单的方式

通过Walrus，您只需要一分钟左右就可以在AWS上运行一个可用的llama-2实例，并有一个友好的web UI来使用它。只需要按照以下步骤操作：

添加llama-2模板

1. 登入Walrus，点击左侧导航中的运维中心，在模板标签页中，点击新建模板按钮。
2. 填入模板名称，例如llama-2。
3. 在来源中填写https://github.com/walrus-tutorials/llama2-on-aws。
4. 点击保存。

配置AWS凭证

1. 在左侧导航中点击运维中心，点击连接器标签页。
2. 点击新建连接器按钮，选择云厂商类型。
3. 填入连接器名称，例如aws。
4. 在适用环境类型选项中选择开发。
5. 在类型选项中选择AWS。
6. 在区域选项中选择东京(ap-northeast-1)。
7. 点击保存。

注意： 这里使用指定的区域，是因为后续使用了该区域下指定的AMI。如果您想使用其它区域，可以将该AMI导出到您的区域。或参考后续章节了解如何从零构建llama-2镜像。

配置环境

1. 在左侧导航中点击应用管理，点击面包屑中的default项目。
2. 在环境标签页中，点击新建环境按钮。
3. 填入环境名称，例如dev。
4. 在环境类型选项中选择开发。
5. 点击添加连接器按钮，选择上一步创建的aws连接器。
6. 点击保存。

创建llama-2服务

1. 在环境标签页中点击dev环境的名称，进入环境视图。
2. 点击新建资源按钮。
3. 填入服务名称，例如my-llama-2。
4. 启用使用模板选项。
5. 在模板选项中选择llama-2。
6. 点击保存。

注意： 默认的配置假定您的AWS账号在对应区域有一个默认的VPC。如果您没有默认的VPC，请到AWS的VPC控制台创建一个新的VPC，并关联一个子网和安全组到该VPC。 安全组需要开放7860 TCP端口（用于访问llama-2 web UI）。您可以在配置中设置您的VPC名字和安全组名字。

访问llama-2 web UI

您可以在llama-2资源的详情页中看到它的部署和运行状态。等待llama-2资源完成部署后，您可以通过Walrus UI点击它的访问链接来访问它的web UI。

深入了解：从零开始构建llama-2镜像

上述指引中使用了打包好的llama-2镜像。好处显而易见，在创建一个新的llama-2实例的时候您不再需要花费时间下载大语言模型（通常有着可观的文件大小）以及构建推理服务。 本节将介绍上述这样的llama-2镜像是如何构建的。

您可以在这里查看完整的构建过程。

其中的关键步骤如下：

# get text-generation-webui
git clone https://github.com/oobabooga/text-generation-webui && cd text-generation-webui
# configure text-generation-webui
ln -s docker/{Dockerfile,docker-compose.yml,.dockerignore} .
cp docker/.env.example .env
sed -i '/^CLI_ARGS=/s/.*/CLI_ARGS=--model llama-2-7b-chat.ggmlv3.q4_K_M.bin --wbits 4 --listen --auto-devices/' .env
sed -i '/^\s*deploy:/,$d' docker/docker-compose.yml
# get quantized llama-2
curl -L https://huggingface.co/TheBloke/Llama-2-7B-Chat-GGML/resolve/main/llama-2-7b-chat.ggmlv3.q4_K_M.bin --output ./models/llama-2-7b-chat.ggmlv3.q4_K_M.bin
# build and run
docker compose up --build

简单来说，该过程下载了量化的llama-2-7b-chat模型，然后构建并使用text-generation-webui来启动llama-2服务。