关于哪吒开发板

  • 哪吒（Nezha）开发套件以信用卡大小（85 x 56mm）的开发板-哪吒（Nezha）为核心，采用英特尔®处理器 N97（Alder Lake-N），结合了高性能和低功耗的特性。它支持四核 SoC，时钟频率高达 3.60GHz，TDP 仅为 12W。 其内置 GPU 用于 高分辨率显示。哪吒保持了 85mm x 56mm 信用卡大小的外形尺寸，与树莓派相同，包括高达 8GB 的 LPDDR5 系统内存、高达 64GB 的 eMMC 存储、板载 TPM 2.0、40 针 GPIO 连接器，并支持 Windows 和 Linux 操作系统。这些功能与无风扇冷却器相结合，为各种应用构建了高效的解决方案，适用于教育、物联网网关、数字标牌和机器人等应用。
  • 内置 Intel® UHD Graphics Gen12，最多 24 个执行单元，这也是一个强大的 AI 引擎，可用于 AI 推理。它是基于 Xe 架构的新一代 GPU。支持包括 INT8 在内的主要数据类型。通过HDMI 1.4b端口，它支持30Hz的4K UHD（3840×2160）以实现高分辨率显示。
  • 40引脚HAT GPIO可配置为PWM、UART、I2C、I2S、SPI和ADC。它为开发人员提供了构建解决方案的自由。
  • 出厂代理windows操作系统

不足的地方，没有自带蓝牙和WiFi模块，需要自己准备一个蓝牙接收器和无线网卡。如果你不需要这些功能就无所谓了。

开发板工作状态

外置硬盘r

前置准备

  1. 一个外置硬盘
  2. 无线网卡(可选)
  3. 键鼠(可选)
  4. HIDMI(可选)

开发环境设置

哪吒开发套件自带了windows11系统，我这里已经连好了局域网，我们通过远程桌面进行链接。

远程桌面需要额外设置，这里不赘述了。大家自行搜索一下即可。

image-20240805234253091

我这里配置了一个外置SSD硬盘

image-20240805234346136

1. 安装miniconda环境

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe -o miniconda.exe
start miniconda.exe

运行上面的命令启动exe进行安装，也可以双击打开进行安装。

其他界面直接下一步，除了下面的界面需要全部选择上。

image-20240806000117036

新开一个命令行窗口，运行以下命令初始化conda环境

conda init

image-20240806000208936

2. 配置本次项目环境

本次项目主要使用Intel 的IPEX库进行实验。由于我们打大模型文件通常都很大，一次建议大家将conda的环境设置到一个外置的U盘中，包括后面下载的模型文件也放到这一个U盘上。

conda config --add envs_dirs D:\conda_envs

image-20240806000441874

进入到我们的项目目录

image-20240806001029076

创建虚拟环境

conda create -n ipex python=3.10 -y

![image-20240806001700864](C:\Users\tango\Desktop\基于哪吒开发套件开发LLM + RAG应用.assets\image-20240806001700864.png)

激活虚拟环境

conda activate ipex

运行以下命令进行环境安装

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

文件内容如下

ipex-llm==2.1.0b20240711
py-cpuinfo
gradio
streamlit
modelscope==1.12.0
transformers==4.37.0
accelerate==0.27.2
jupyterlab 
ipykernel
PyMuPDF 
llama-index-vector-stores-chroma 
llama-index-readers-file 
llama-index-embeddings-huggingface 
llama-index

image-20240806002434746

为了能在jupyuterlab中看到我们的conda环境，我们运行以下命令将当前的环境添加到jupyterlab中

python -m ipykernel install --name=ipex

注意这里需要在虚拟环境下执行，即我们运行好conda activate ipex后。

image-20240806003013353

启动jupyterlab

python -m jupyterlab

image-20240806003146861

可以看到我们的环境已经添加到了notebook中。

开发LLM +RAG 代码

我们运行以下代码下载千问模型和权重文件

import torch
from modelscope import snapshot_download, AutoModel, AutoTokenizer
import os
# 第一个参数表示下载模型的型号，第二个参数是下载后存放的缓存地址，第三个表示版本号，默认 master
model_dir = snapshot_download('Qwen/Qwen2-1.5B-Instruct', cache_dir='qwen2chat_src', revision='master')

如果你看到如下报错画面，需要通过conda重新安装一下pytorch

image-20240806003535579

conda install pytorch torchvision torchaudio cpuonly -c pytorch

image-20240806003728432

等待安装完成，重启一下kernel再次运行这个代码块可以看到模型有正常的的开始下载。

image-20240806004301964

Int4量化

from ipex_llm.transformers import AutoModelForCausalLM
from transformers import  AutoTokenizer

model_path = os.path.join(os.getcwd(),"qwen2chat_src/Qwen/Qwen2-1___5B-Instruct")
model = AutoModelForCausalLM.from_pretrained(model_path, load_in_low_bit='sym_int4', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model.save_low_bit('qwen2chat_int4')
tokenizer.save_pretrained('qwen2chat_int4')

image-20240806004555165

量化好之后，我们可以看到在根目录下创建了一个qwen2chat_int4的文件夹。

我们创建一个执行文件

%%writefile ./run_stream.py
# 设置OpenMP线程数为8
import os
os.environ["OMP_NUM_THREADS"] = "8"

import time
from transformers import AutoTokenizer
from transformers import TextStreamer

# 导入Intel扩展的Transformers模型
from ipex_llm.transformers import AutoModelForCausalLM
import torch

# 加载模型路径
load_path = "qwen2chat_int4"

# 加载4位量化的模型
model = AutoModelForCausalLM.load_low_bit(load_path, trust_remote_code=True)

# 加载对应的tokenizer
tokenizer = AutoTokenizer.from_pretrained(load_path, trust_remote_code=True)

# 创建文本流式输出器
streamer = TextStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)

# 设置提示词
prompt = "给我讲一个芯片制造的流程"

# 构建消息列表
messages = [{"role": "user", "content": prompt}]
    
# 使用推理模式
with torch.inference_mode():

    # 应用聊天模板,添加生成提示
    text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
    
    # 对输入文本进行编码
    model_inputs = tokenizer([text], return_tensors="pt")
    
    print("start generate")
    st = time.time()  # 记录开始时间
    
    # 生成文本
    generated_ids = model.generate(
        model_inputs.input_ids,
        max_new_tokens=512,  # 最大生成512个新token
        streamer=streamer,   # 使用流式输出
    )
    
    end = time.time()  # 记录结束时间
    
    # 打印推理时间
    print(f'Inference time: {end-st} s')

创建好之后，我们可以运行以下命令

python ./run_stream.py

运行效果以及CPU和内存表现如下

image-20240806004846114

后面的代码这里就不一一说明了，将完整代码提供给大家

import os
import time
import gradio as gr
os.environ["OMP_NUM_THREADS"] = "8" # 设置OpenMP线程数为8
import gradio as gr
from PIL import Image
import torch
import requests
import io
from pathlib import Path
from typing import Any, List, Optional
from modelscope import snapshot_download, AutoModel, AutoTokenizer


# 从llama_index库导入HuggingFaceEmbedding类，用于将文本转换为向量表示
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
# 从llama_index库导入ChromaVectorStore类，用于高效存储和检索向量数据
from llama_index.vector_stores.chroma import ChromaVectorStore
# 从llama_index库导入PyMuPDFReader类，用于读取和解析PDF文件内容
from llama_index.readers.file import PyMuPDFReader
# 从llama_index库导入NodeWithScore和TextNode类
# NodeWithScore: 表示带有相关性分数的节点，用于排序检索结果
# TextNode: 表示文本块，是索引和检索的基本单位。节点存储文本内容及其元数据，便于构建知识图谱和语义搜索
from llama_index.core.schema import NodeWithScore, TextNode
# 从llama_index库导入RetrieverQueryEngine类，用于协调检索器和响应生成，执行端到端的问答过程
from llama_index.core.query_engine import RetrieverQueryEngine
# 从llama_index库导入QueryBundle类，用于封装查询相关的信息，如查询文本、过滤器等
from llama_index.core import QueryBundle
# 从llama_index库导入BaseRetriever类，这是所有检索器的基类，定义了检索接口
from llama_index.core.retrievers import BaseRetriever
# 从llama_index库导入SentenceSplitter类，用于将长文本分割成句子或语义完整的文本块，便于索引和检索
from llama_index.core.node_parser import SentenceSplitter
# 从llama_index库导入VectorStoreQuery类，用于构造向量存储的查询，支持语义相似度搜索
from llama_index.core.vector_stores import VectorStoreQuery
# 向量数据库
import chromadb
from ipex_llm.llamaindex.llms import IpexLLM
from ipex_llm.transformers import AutoModelForCausalLM
from transformers import  AutoTokenizer


class VectorDBRetriever(BaseRetriever):
    """向量数据库检索器"""

    def __init__(
        self,
        vector_store: ChromaVectorStore,
        embed_model: Any,
        query_mode: str = "default",
        similarity_top_k: int = 2,
    ) -> None:
        self._vector_store = vector_store
        self._embed_model = embed_model
        self._query_mode = query_mode
        self._similarity_top_k = similarity_top_k
        super().__init__()

    def _retrieve(self, query_bundle: QueryBundle) -> List[NodeWithScore]:
        """
        检索相关文档
        
        Args:
            query_bundle (QueryBundle): 查询包
        
        Returns:
            List[NodeWithScore]: 检索到的文档节点及其相关性得分
        """
        query_embedding = self._embed_model.get_query_embedding(
            query_bundle.query_str
        )
        vector_store_query = VectorStoreQuery(
            query_embedding=query_embedding,
            similarity_top_k=self._similarity_top_k,
            mode=self._query_mode,
        )
        query_result = self._vector_store.query(vector_store_query)

        nodes_with_scores = []
        for index, node in enumerate(query_result.nodes):
            score: Optional[float] = None
            if query_result.similarities is not None:
                score = query_result.similarities[index]
            nodes_with_scores.append(NodeWithScore(node=node, score=score))
        print(f"Retrieved {len(nodes_with_scores)} nodes with scores")
        return nodes_with_scores



class RuanKao:
    def __init__(self) -> None:
        self.text_example_cn = "https://github.com/openvinotoolkit/openvino_notebooks/files/15039713/Platform.Brief_Intel.vPro.with.Intel.Core.Ultra_Final_CH.pdf"
        BASE_DIR = os.getcwd()
        
        self.model_name = "qwen2chat_int4" #os.path.join(BASE_DIR,"qwen2chat_src", "Qwen", "Qwen2-1___5B-Instruct")
        self.model_path = os.path.join(BASE_DIR,"qwen2chat_src/Qwen/Qwen2-1___5B-Instruct")
        self.tokenizer_path = "qwen2chat_int4"
        self.data_path = "./data/Platform.Brief_Intel.vPro.with.Intel.Core.Ultra_Final_CH.pdf"
        self.embedding_model_path = "qwen2chat_src/AI-ModelScope/bge-small-zh-v1___5"
        self.max_new_tokens = 64
        self.persist_dir = "./chroma_db2"
        self.question = ""
        self.text_example_cn_path = Path(".data/text_example_cn.pdf")
        # self.dl_model()
        # if not self.text_example_cn_path.exists():
        #     r = requests.get(url=self.text_example_cn)
        #     content = io.BytesIO(r.content)
        #     with open("text_example_cn.pdf", "wb") as f:
        #         f.write(content.read())


    def dl_model(self):
        # Base
        # 第一个参数表示下载模型的型号，第二个参数是下载后存放的缓存地址，第三个表示版本号，默认 master
        snapshot_download('Qwen/Qwen2-1.5B-Instruct', cache_dir='qwen2chat_src', revision='master')
        if not os.path.exists(os.path.join(os.getcwd(), "qwen2chat_int4")):
            print(self.model_path)
            # to int 4
            # model_path = os.path.join(os.getcwd(),"qwen2chat_src/Qwen/Qwen2-1___5B-Instruct")
            
            model = AutoModelForCausalLM.from_pretrained(self.model_path , load_in_low_bit='sym_int4', trust_remote_code=True)
            tokenizer = AutoTokenizer.from_pretrained(self.model_path , trust_remote_code=True)

            model.save_low_bit('qwen2chat_int4')
            tokenizer.save_pretrained('qwen2chat_int4')
        
        # embedding
        snapshot_download('AI-ModelScope/bge-small-zh-v1.5', cache_dir='qwen2chat_src', revision='master')
        print("---------------dl_model OK----------------")


    def load_vector_database(self) -> ChromaVectorStore:
        """
        加载或创建向量数据库
        
        Args:
            persist_dir (str): 持久化目录路径
        
        Returns:
            ChromaVectorStore: 向量存储对象
        """
        # 检查持久化目录是否存在
        is_exist = False
        if os.path.exists(self.persist_dir):
            print(f"正在加载现有的向量数据库: {self.persist_dir}")
            chroma_client = chromadb.PersistentClient(path=self.persist_dir)
            chroma_collection = chroma_client.get_collection("llama2_paper")
            is_exist = True
        else:
            print(f"创建新的向量数据库: {self.persist_dir}")
            chroma_client = chromadb.PersistentClient(path=self.persist_dir)
            chroma_collection = chroma_client.create_collection("llama2_paper")
        print(f"Vector store loaded with {chroma_collection.count()} documents")
        return ChromaVectorStore(chroma_collection=chroma_collection), is_exist

    def load_data(self) -> List[TextNode]:
        """
        加载并处理PDF数据
        
        Args:
            data_path (str): PDF文件路径
        
        Returns:
            List[TextNode]: 处理后的文本节点列表
        """
        loader = PyMuPDFReader()
        documents = loader.load(file_path=self.data_path)

        text_parser = SentenceSplitter(chunk_size=384)
        text_chunks = []
        doc_idxs = []
        for doc_idx, doc in enumerate(documents):
            cur_text_chunks = text_parser.split_text(doc.text)
            text_chunks.extend(cur_text_chunks)
            doc_idxs.extend([doc_idx] * len(cur_text_chunks))

        nodes = []
        for idx, text_chunk in enumerate(text_chunks):
            node = TextNode(text=text_chunk)
            src_doc = documents[doc_idxs[idx]]
            node.metadata = src_doc.metadata
            nodes.append(node)
        return nodes


    def completion_to_prompt(self, completion: str) -> str:
        """
        将完成转换为提示格式
        
        Args:
            completion (str): 完成的文本
        
        Returns:
            str: 格式化后的提示
        """
        return f"<|system|>\n</s>\n<|user|>\n{completion}</s>\n<|assistant|>\n"

    def messages_to_prompt(self, messages: List[dict]) -> str:
        """
        将消息列表转换为提示格式
        
        Args:
            messages (List[dict]): 消息列表
        
        Returns:
            str: 格式化后的提示
        """
        prompt = ""
        for message in messages:
            if message.role == "system":
                prompt += f"<|system|>\n{message.content}</s>\n"
            elif message.role == "user":
                prompt += f"<|user|>\n{message.content}</s>\n"
            elif message.role == "assistant":
                prompt += f"<|assistant|>\n{message.content}</s>\n"

        if not prompt.startswith("<|system|>\n"):
            prompt = "<|system|>\n</s>\n" + prompt

        prompt = prompt + "<|assistant|>\n"

        return prompt

    def setup_llm(self) -> IpexLLM:
        """
        设置语言模型
        
        Args:
            config (Config): 配置对象
        
        Returns:
            IpexLLM: 配置好的语言模型
        """
        # config = Config()
        return IpexLLM.from_model_id_low_bit(
            model_name=self.model_name,
            tokenizer_name=self.tokenizer_path,
            context_window=384,
            max_new_tokens=self.max_new_tokens,
            generate_kwargs={"temperature": 0.7, "do_sample": False},
            model_kwargs={},
            messages_to_prompt=self.messages_to_prompt,
            completion_to_prompt=self.completion_to_prompt,
            device_map="cpu",
        )
    def main(self):
        """主函数"""
        # 设置嵌入模型
        embed_model = HuggingFaceEmbedding(model_name=self.embedding_model_path)
        print("---------------OK----------------")
        # 加载和处理数据
        nodes = self.load_data()
        for node in nodes:
            node_embedding = embed_model.get_text_embedding(
                node.get_content(metadata_mode="all")
            )
            node.embedding = node_embedding

        # 加载向量数据库
        vector_store, is_exist = self.load_vector_database()

        # 将 node 添加到向量存储
        if not is_exist:
            vector_store.add(nodes)
        # print("-----OK" * 20)
        # 设置查询
        # query_str = config.question
        query_embedding = embed_model.get_query_embedding(self.question)
        
        # 执行向量存储检索
        print("开始执行向量存储检索")
        query_mode = "default"
        vector_store_query = VectorStoreQuery(
            query_embedding=query_embedding, similarity_top_k=2, mode=query_mode
        )
        query_result = vector_store.query(vector_store_query)

        # 处理查询结果
        print("开始处理检索结果")
        nodes_with_scores = []
        for index, node in enumerate(query_result.nodes):
            score: Optional[float] = None
            if query_result.similarities is not None:
                score = query_result.similarities[index]
            nodes_with_scores.append(NodeWithScore(node=node, score=score))
        
        # 设置检索器
        self.retriever = VectorDBRetriever(
            vector_store, embed_model, query_mode="default", similarity_top_k=1
        )
        

        
    def chat(self, question, temperature=0.7, do_sample=False):
        # 设置语言模型
        llm = IpexLLM.from_model_id_low_bit(
            model_name=self.model_name,
            tokenizer_name=self.tokenizer_path,
            context_window=384,
            max_new_tokens=self.max_new_tokens,
            generate_kwargs={"temperature": temperature, "do_sample": do_sample},
            model_kwargs={},
            messages_to_prompt=self.messages_to_prompt,
            completion_to_prompt=self.completion_to_prompt,
            device_map="cpu",
        )

        print("准备与llm对话")
        query_engine = RetrieverQueryEngine.from_args(self.retriever, llm=llm)

        # 执行查询
        print("开始RAG最后生成")
        start_time = time.time()
        response = query_engine.query(question)

        # 打印结果
        print("------------RESPONSE GENERATION---------------------")
        print(str(response))
        print(f"inference time: {time.time()-start_time}")
        return str(response)

    # 设置Gradio界面
    def gradio_chat_interface(self,question, temperature=0.7, do_sample=False):
        question = question + "\n请用中文回答。"
        return self.chat(question, temperature, do_sample)

if __name__ == "__main__":
    r = RuanKao()
    r.dl_model()
    r.main()
    # 获取脚本所在目录的绝对路径
    script_dir = os.path.dirname(os.path.abspath(__file__))

    # 图片的绝对路径
    bg_image_path = "https://img.it-worker.club/bg.jpg"
    print(bg_image_path)
    # CSS样式，设置背景图片和透明度
    css = f"""
    body {{
        background: url('{bg_image_path}') no-repeat center center fixed;
        background-size: cover;
        background-color: rgba(0, 0, 0, 0.5);
    }}
    .gradio-container {{
        background-color: rgba(255, 255, 255, 0.8);
        border-radius: 10px;
        padding: 20px;
    }}
    """

    with gr.Blocks(css=css) as demo:
        gr.Markdown("# IT知识智能问答系统")
        with gr.Row():
            question = gr.Textbox(lines=2, placeholder="请输入你的问题...")
            temperature = gr.Slider(minimum=0.0, maximum=1.0, label="Temperature")
            do_sample = gr.Checkbox(label="Do Sample")
        output = gr.Textbox()
        
        btn = gr.Button("Submit")
        btn.click(r.gradio_chat_interface, inputs=[question, temperature, do_sample], outputs=output)

    demo.launch(share=True)

data目录下的PDF的下载地址：https://github.com/openvinotoolkit/openvino_notebooks/files/15039713/Platform.Brief_Intel.vPro.with.Intel.Core.Ultra_Final_CH.pdf

代码运行效果如下

image-20240806005429918

总结

我们可以看到，基于IPEX这个框架，可以很好的将LLM + RAG部署在本地。总统体验还是很流畅，希望能给各位开发者提供一些帮助。我是Tango，一个热爱分享技术的程序猿我们下期见。
视频演示大家可以到我的B站首页查看相关内容：视频演示

# 哪吒开发套件
Logo
英特尔开发套件专区

为开发者提供丰富的英特尔开发套件资源、创新技术、解决方案与行业活动。欢迎关注！

更多推荐

cover

使用Intel AI PC为YOLO模型训练加速

avatar 英特尔开发套件专区
cover

只改一行代码，在第四代至强® 可扩展平台上高效微调优化 ChatGLM-6B

avatar 英特尔开发套件专区
cover

英特尔® Extension for Transformers 一石双鸟：让 LLM CPU 推理加速达 40x + 攻克聊天场景应用难题！

avatar 英特尔开发套件专区