update web demo

README_JA.md

@@ -34,7 +34,6 @@ Qwen-7Bは、アリババクラウドが提唱する大規模言語モデルシ
 ## ニュース
 
 * 2023.8.21 Qwen-7B-Chat 用 Int4 量子化モデル(**Qwen-7B-Chat-Int4**)をリリースしました。メモリコストは低いが、推論速度は向上している。また、ベンチマーク評価において大きな性能劣化はありません。
-
 * 2023.8.3 Qwen-7B と Qwen-7B-Chat を ModelScope と Hugging Face で公開。また、トレーニングの詳細やモデルの性能など、モデルの詳細についてはテクニカルメモを提供しています。
 
 ## パフォーマンス

web_demo.py

@@ -4,7 +4,7 @@
 # LICENSE file in the root directory of this source tree.
 
 """A simple web interactive chat demo based on gradio."""
-
+import os
 from argparse import ArgumentParser
 
 import gradio as gr
@@ -44,17 +44,29 @@ def _load_model_tokenizer(args):
     else:
         device_map = "auto"
 
+    qconfig_path = os.path.join(args.checkpoint_path, 'quantize_config.json')
+    if os.path.exists(qconfig_path):
+        from auto_gptq import AutoGPTQForCausalLM
+        model = AutoGPTQForCausalLM.from_quantized(
+            args.checkpoint_path,
+            device_map=device_map,
+            trust_remote_code=True,
+            resume_download=True,
+            use_safetensors=True,
+        ).eval()
+    else:
         model = AutoModelForCausalLM.from_pretrained(
             args.checkpoint_path,
             device_map=device_map,
             trust_remote_code=True,
             resume_download=True,
         ).eval()
-    model.generation_config = GenerationConfig.from_pretrained(
+
+    config = GenerationConfig.from_pretrained(
         args.checkpoint_path, trust_remote_code=True, resume_download=True,
     )
 
-    return model, tokenizer
+    return model, tokenizer, config
 
 
 def postprocess(self, y):
@@ -103,14 +115,14 @@ def _parse_text(text):
     return text
 
 
-def _launch_demo(args, model, tokenizer):
+def _launch_demo(args, model, tokenizer, config):
 
     def predict(_query, _chatbot, _task_history):
         print(f"User: {_parse_text(_query)}")
         _chatbot.append((_parse_text(_query), ""))
         full_response = ""
 
-        for response in model.chat_stream(tokenizer, _query, history=_task_history):
+        for response in model.chat_stream(tokenizer, _query, history=_task_history, generation_config=config):
             _chatbot[-1] = (_parse_text(_query), _parse_text(response))
 
             yield _chatbot
@@ -183,9 +195,9 @@ including hate speech, violence, pornography, deception, etc. \
 def main():
     args = _get_args()
 
-    model, tokenizer = _load_model_tokenizer(args)
+    model, tokenizer, config = _load_model_tokenizer(args)
 
-    _launch_demo(args, model, tokenizer)
+    _launch_demo(args, model, tokenizer, config)
 
 
 if __name__ == '__main__':