引言
ChatGLM-6B是清华大学知识工程和数据挖掘小组（Knowledge Engineering Group (KEG) & Data Mining at Tsinghua University）发布的一个开源的对话机器人。6B表示这是ChatGLM模型的60亿参数的小规模版本，约60亿参数。
ChatGML-6B-int4量化模型是针对ChatGML-6B做的优化版本，占用更少的资源，以便个人电脑进行部署测试和使用。
大模型的部署一般需要GPU资源，而个人电脑一般都是Windows操作系统，且没有独立的GPU。那么大模型如何部署在只有CPU的Windows机器上呢？需要额外安装一个叫TDM-GCC的软件。
下面详细阐述ChatGML-6B-int4量化模型在Windows PC上的操作过程：
环境准备
ChatGML-6B-int4量化模型部署需要提供python运行环境、安装好Git版本管理工具和TDM-GCC软件。
1. 安装Anaconda
Anaconda是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
下载安装
Anaconda官方下载地址：www.anaconda.com/download/ 下载之后，一路点击【next】，即可安装完成。
配置环境变量
在PC电脑的环境变量Path中增加Anaconda相关的环境变量。
E:\Anaconda
E:\Anaconda\Scripts
E:\Anaconda\Library\mingw-w64\bin
E:\Anaconda\Library\usr\bin
E:\Anaconda\Library\bin
注意，其中E:\Anaconda改为Anaconda自己的安装根目录。
修改pip镜像源
修改pip安装软件的镜像源，可以加速依赖下载速度。
# 阿里源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
2. 安装Git
Git Windows版本下载地址：git-scm.com/download/wi… 下载之后可以一路点击【next】即完成安装，通过如下命令查看版本信息：
git version
3. 安装TDM-GCC
TDM-GCC主要对模型一些C代码提供编译环境，下载地址：jmeubank.github.io/tdm-gcc/ 下载之后可以一路点击【next】即完成安装。
模型部署
1. 下载模型源码并安装依赖
（1）在你的工作目录打开命令提示窗口，默认下载到当前目录
git clone https://github.com/THUDM/ChatGLM-6B
（2）切换到chatGLM-6B目录
cd ChatGLM-6B
（3）创建conda的虚拟环境,指定Python的版本
conda create -n VENV310 python=3.10
（4）激活环境
conda activate VENV310
（5）下载依赖包
pip install -r requirements.txt
本节指定的版本非常重要，否则会在下载依赖包环节出现各种问题。 本节操作目的主要是为下面的量化模型提供运行脚本和运行环境。
2. 下载量化模型
ChatGML-6B-int4量化模型下载比较麻烦，需要到huggingface网站下载，需要用到科学上网。网上说国内魔搭社区下载的模型代码不完整。
在huggingface上下载又有两种方式：通过Git下载和浏览器下载。
（1）Git下载方式：
git lfs install
git clone https://huggingface.co/THUDM/chatglm-6b-int4
可以将该工程下载到chatGLM-6B目录下面。
（2）浏览器下载： 在浏览器打开huggingface.co/THUDM/chatg…，将目录下的文件全部下载到如下目录：
chatGLM-6B/chatglm-6b-int4 #如果没有该目录则新建
3. 运行量化模型
模型运行脚本文件为：ChatGLM-6B\cli_demo.py，修改该文件的模型加载代码，改为加载chatglm-6b-int4量化模型。修改内容如下：
# tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)
# model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True).half().cuda()
tokenizer = AutoTokenizer.from_pretrained("chatglm-6b-int4", trust_remote_code=True)
model = AutoModel.from_pretrained("chatglm-6b-int4",trust_remote_code=True).float()
注意，量化模型目录chatglm-6b-int4一定要保证与当前文件在同一个父目录下。
运行出现的问题：
（1）在启动cli_demo的时候报错：No module named 'readline' 解决方案：下载pyreadline3，在当前激活的虚拟环境中执行如下命令：
python -m pip install pyreadline
（2）在启动cli_demo的时候报错：AttributeError: module 'collections' has no attribute 'Callable' 解决方案：这是pyreadline依赖包的文件py3k_compat.py有问题，需要修改依赖包的代码，把return isinstance(x, collections.Callable)改为 return isinstance(x, collections.abc.Callable)即可正常使用。
处理完上述问题之后，ChatGLM-6B\cli_demo.py该脚本可以正常运行，控制台会输出脚本内置问题的答案，由于电脑配置的问题，结果输出非常缓慢，且我的CPU使用率一直是100%，爆了！
