写在前面：如果你有大的cpu和gpu可以使用，直接根据官方的安装说明就可以，如果没有，可以点进来试着看一下我个人的安装经验。
NVIDIA4090显卡24g,cpu内存33G，交换空间8g,操作系统ubuntu22.04(试跑过程cpu使用峰值为32.8g,交换空间使用峰值8g)
git clone https://github.com/CASIA-IVA-Lab/AnomalyGPT.git（1） ImageBind 权重： https://dl.fbaipublicfiles.com/imagebind/imagebind_huge.pth
(下载后放到AnomalyGPT/pretrained_ckpt/imagebind_ckpt文件夹下）
（2）vicuna权重：vicuna权重是由llama权重和vicuna 的delta权重组成，完整的vicuna权重需要由这两个权重合并而来。
llama权重获取： https://huggingface.co/huggyllama/llama-7b/tree/main
vicunav0权重获取：
https://huggingface.co/lmsys/vicuna-7b-delta-v0
vicunav1权重获取： https://huggingface.co/lmsys/vicuna-7b-delta-v1.1/tree/main
（3）AnomalyGPT的Delta 权重： https://huggingface.co/openllmplayground/pandagpt_7b_max_len_1024
（下载后放在AnomalyGPT/pretrained_ckpt/pandagpt_ckpt/7b文件夹下）
（4）AnomalyGPT权重：
https://huggingface.co/FantasticGNU/AnomalyGPT/blob/main/train_supervised/pytorch_model.pt
（下载后放在AnomalyGPT/code/ckpt/train_supervised文件夹下）
1.环境搭建
（打开requirements.txt 把torch版本号去掉让其自动选择安装版本，然后保存。这里修改是因为我本地是cuda12，官方默认装的是cuda11.7对应的torch，担心不适配所以修改一下。）
创建anomalygpt环境并安装相关包
conda create -n anomalygpt python=3.8
conda activate anomalygpt
pip install -r requirements.txt
2.vicuna权重合并
vicuna权重合并用的是fastchat工具
fastchat环境搭建
conda create -n fastchat python=3.8
conda activate fastchat
pip3 install "fschat[model_worker,webui]"合并命令：( 注意：(1).这里的fastchat版本不能为0.1.10，因为0.1.10没有--low-cpu-mem这个参数，无法在cpu内存小的设备上进行合并权重;(2).vicuna的delta权重版本选1.1，vicunav0版本的时候有一个tensor错误，会报RuntimeError: The size of tensor a (32000) must match the size of tensor b (32001) at non-singleton dimension 0错误 )
python -m fastchat.model.apply_delta --base llama权重文件夹路径 \
--target 合并后的权重保存路径 \
--delta vicuna的delta权重文件夹路径 \
--low-cpu-mem
合并成功：
3.demo运行
（1）直接运行python web_demo.py,会报被kill的错；
（2）解决被杀死问题：将delta_chpt_path，anomaly_ckpt_path,imagebind_ckpt_path模型加载到gpu上（共5g左右的显存），这样vicuna模型才能正常加载完成。
（3）有时候直接运行python web_demo.py会报ValueError: Unknown scheme for proxy URL URL('socks://127.0.0.1:7891/')的错，
解决方案：在terminal中运行一下命令：
unset all_proxy; unset ALL_PROXY（4）正常运行运行python web_demo.py成功：
（5）线上线下demo效果对比：
线上：
本地：
vacuna大模型训练： 大模型也内卷，Vicuna训练及推理指南，效果碾压斯坦福羊驼
anomalygpt文章介绍： 大模型也能用来做工业异常检测 - 知乎
大模型相关： UC伯克利发布大语言模型排行榜，Vicuna夺冠，清华ChatGLM进前5-36氪
工业缺陷数据集： MVTEC公开数据集_mvtec数据集-CSDN博客
高效大模型微调框架： 大模型高效微调-PEFT框架介绍 - 知乎
DeepSpeedAgent: [LLM]大模型训练(一)--DeepSpeed介绍-CSDN博客
SelfInstructTestDataset：生成语料方式 【self-instruct方式生成语料代码实战】-CSDN博客
LDAP命令介绍---dsconfig_ldap 查看所有 bind dn-CSDN博客
权重合并操作参考： https://github.com/CASIA-IVA-Lab/AnomalyGPT/tree/main/pretrained_ckpt#1-prepare-vicuna-checkpoint
合并权重操作手册常见的坑： 【LLM入门】Vicuna 模型部署与测试 - 知乎
GitHub - lm-sys/FastChat: An open platform for training, serving, and evaluating large language models. Release repo for Vicuna and Chatbot Arena.