These four commands quickly and quietly install the latest 64-bit version of the installer and then clean up after themselves. To install a different version or architecture of Miniconda for Linux, change the name of the .sh installer in the wget command.
1 | mkdir -p ~/miniconda3 |
After installing, initialize your newly-installed Miniconda. The following commands initialize for bash and zsh shells:
1 | ~/miniconda3/bin/conda init bash |
1 | # 创建虚拟环境 |
首先需要下载本仓库：
1 | git clone https://github.com/THUDM/ChatGLM3 |
然后使用 pip 安装依赖：
1 | pip install -r requirements.txt |
1 | pip install protobuf 'transformers>=4.30.2' cpm_kernels 'torch>=2.0' gradio mdtex2html sentencepiece accelerate |
modelscope API下载
1 | pip install modelscope |
1 | from modelscope import snapshot_download |
请注意，本项目需要 Python 3.10 或更高版本。
此外，使用 Code Interpreter 还需要安装 Jupyter 内核：
安装ipython3
1 | sudo apt install ipython3 |
安装Jupyter内核
1 | ipython3 kernel install --name chatglm3-demo --user |
安装streamlit
1 | conda install streamlit |
设置模型本地路径
1 | export MODEL_PATH=/home/jianhai/.cache/modelscope/hub/ZhipuAI/chatglm3-6b |
启动demo
1 | streamlit run main.py |
Python在开发人员中大受欢迎，最大的原因之一是它广泛且不断扩大的第三方包选择。虚拟环境可以为每个项目创建单独的隔离环境，达到分离不同项目的依赖关系的目的。
Python有针对不同应用程序的各种模块和包。在我们的项目开发中，可能需要一些三方库，那么就需要安装这个库，而另一个项目可能不需要任何其他第三方包，或者是需要其中某些三方包的其他的版本。当不同的Python项目需要相同插件的竞争或不兼容版本时，就会出现问题，导致程序莫名的异常。
另外开发用的电脑，可能同时安装了Python2和Python3，而Python2和Python3又有更多的小版本号，而有些现成的项目可能开发比较早，只支持用Python2编译，而有些则必须要Python3才行，这样如果没有隔离，则也会导致程序无法运行。
因此，虚拟环境此时能够发挥作用，为不同的Python安装版本、或不同的项目创建单独的隔离环境，每个项目可以从其特定的环境中存储和检索包，使用特定的Python版本。
这里通过具体操作执行进行示例说明。
要创建虚拟环境，需要先安装一个名为virtualenv的模块。首先要确保在计算机上安装了pip。
1 | # 如果计算机上没有安装pip，需使用以下命令先安装pip，不同的操作系统命令会有差异: |
成功安装virtualenv之后，可以使用以下命令创建一个特定名称的虚拟环境:
1 | # 创建特定名称的虚拟环境,myvenv可以换成任意你喜欢的名字都行 |
成功激活进入虚拟环境后，如下图所示，会在命令行前面看到有(.venv)的标志：
成功创建并激活了虚拟环境后，就可以安装项目所需的依赖项和需求，而不会干扰到其他项目了。
一旦完成了当前项目的工作，可以返回到系统默认环境，只需要使用deactivate命令即可退出。
如果没有使用虚拟环境时，Python的第三方包都会被pip安装到Python安装路径的site-packages目录下。当使用虚拟环境时，按照前面的“python3 -m venv myvenv”等方式创建虚拟环境后，可以查看当前目录，会看到几个文件：
所以，通过venv，会将系统的Python软链接到venv的环境下，当用source命令激活虚拟环境时，就会启用该venv下面的python和pip了，同时过程中安装的三方包都是放在venv/lib/pythonx.x/site-packages下面的，这样系统的Python环境是不会受到任何影响的。
如前所述，在创建一个新的虚拟环境后，pip和setuptools包会被软链接（或复制）到虚拟环境下，接下来可以安装在环境中使用的任何其他包。对于具有复杂需求的项目，在项目的根目录中最好能保留一个requirements.txt的文件，这个文件列出了项目的三方包依赖的需求。这样，如果需要重新创建虚拟环境，可以使用pip install -r requirements.txt命令重新安装所有需要的包。
在项目的虚拟环境中安装完所需的库后，可使用pip list查看当前所有已安装的库，然后可以通过运行以下命令生成一个文本文件，列出所有项目依赖项：
1 | pip freeze > requirements.txt |
那么在其他计算机上重新搭建这个项目的环境时，则可以快速通过如下命令，一次将所有依赖的三方包安装齐全：
1 | pip install -r requirements.txt |
虚拟环境中的pip和setuptools副本是该虚拟环境的本地副本，需要独立地进行更新和维护。所以会遇到某些虚拟环境中pip过时的警告，而在其他虚拟环境中则不会，pip必须在每个虚拟环境中分别更新才行。
因此当升级系统上的Python运行时时，使用该版本的Python的虚拟环境是不会自动升级的，这样设计也是合理的，因为无意中升级到新Python版本可能会破坏它们的三方包依赖。
具体的虚拟环境更新升级操作如下：
Python小版本升级：
如果已经升级了一个现有的Python小版本，比如从Python 3.9.5到Python 3.9.7，那么可以在项目目录下通过如下方式升级虚拟环境(不要提前激活虚拟环境，否则可能导致升级失败)：
1 | python -m venv myvenv --upgrade |
Python大版本升级：
如果已经安装了一个主要的新版本的Python，比如已经有了Python 3.8，现在将安装Python 3.9，那么就不要用上面的升级方式了，而是重新创建一个新的虚拟环境，专门使用新的Python大版本。
@RestController注解相当于@ResponseBody ＋ @Controller合在一起的作用。
1 |
|
如果只是使用@RestController注解Controller，则Controller中的方法无法返回jsp页面，配置的视图解析器InternalResourceViewResolver不起作用，返回的内容就是Return 里的内容。
如果需要返回到指定页面，则需要用 @Controller配合视图解析器InternalResourceViewResolver才行。
如果需要返回JSON，XML或自定义mediaType内容到页面，则需要在对应的方法上加上@ResponseBody注解。
1 | Caused by: org.springframework.jdbc.CannotGetJdbcConnectionException: Failed to obtain JDBC Connection; nested exception is java.sql.SQLSyntaxErrorException: ORA-00923: 未找到要求的 FROM 关键字 |
配置 validationQuery
1 | validationQuery=select 1 from dual |