README_ZH.md

RWKV Runner

本项目旨在消除大语言模型的使用门槛，全自动为你处理一切，你只需要一个仅仅几MB的可执行程序。此外本项目提供了与OpenAI API兼容的接口，这意味着一切ChatGPT客户端都是RWKV客户端。

你可以在服务器部署 backend-python ，然后将此程序仅用作客户端，在设置的 API URL 中填入你的服务器地址

如果你正在部署并对外提供公开服务，请通过API网关限制请求大小，避免过长的prompt提交占用资源。此外，请根据你的实际情况，限制请求的 max_tokens 上限: https://github.com/josStorer/RWKV-Runner/blob/master/backend-python/utils/rwkv.py#L567 , 默认le=102400, 这可能导致极端情况下单个响应消耗大量资源

预设配置已经开启自定义CUDA算子加速，速度更快，且显存消耗更少。如果你遇到可能的兼容性(输出乱码) 问题，前往配置页面，关闭 使用自定义CUDA算子加速 ，或更新你的显卡驱动

如果 Windows Defender 说这是一个病毒，你可以尝试下载 v1.3.7_win.zip ，然后让其自动更新到最新版，或添加信任 ( Windows Security -> Virus & threat protection -> Manage settings -> Exclusions -> Add or remove exclusions -> Add an exclusion -> Folder -> RWKV-Runner )

对于不同的任务，调整API参数会获得更好的效果，例如对于翻译任务，你可以尝试设置Temperature为1，Top_P为0.3

RWKV模型管理，一键启动

前后端分离，如果你不想使用客户端，也允许单独部署前端服务，或后端推理服务，或具有WebUI的后端推理服务。简明服务部署示例 | 服务器部署示例

与OpenAI API兼容，一切ChatGPT客户端，都是RWKV客户端。启动模型后，打开 http://127.0.0.1:8000/docs 查看API文档

全自动依赖安装，你只需要一个轻巧的可执行程序

预设多级显存配置，几乎在各种电脑上工作良好。通过配置页面切换Strategy到WebGPU，还可以在AMD，Intel等显卡上运行

自带用户友好的聊天，续写，作曲交互页面。支持聊天预设，附件上传，MIDI硬件输入及音轨编辑。预览 | MIDI硬件输入

内置WebUI选项，一键启动Web服务，共享硬件资源

易于理解和操作的参数配置，及各类操作引导提示

内置模型转换工具

内置下载管理和远程模型检视

内置一键LoRA微调 (仅限Windows)

也可用作 OpenAI ChatGPT, GPT Playground, Ollama 等服务的客户端 (在设置内填写API URL和API Key)

多语言本地化

Simple Deploy Example

git clone https://github.com/josStorer/RWKV-Runner
cd RWKV-Runner
python ./backend-python/main.py #后端推理服务已启动, 调用/switch-model载入模型, 参考API文档: http://127.0.0.1:8000/docs
cd RWKV-Runner/frontend
npm ci
npm run build #编译前端
cd ..
python ./backend-python/webui_server.py #单独启动前端服务
python ./backend-python/main.py --webui #同时启动前后端服务
# 帮助参数
python ./backend-python/main.py -h

API并发压力测试

ab -p body.json -T application/json -c 20 -n 100 -l http://127.0.0.1:8000/chat/completions

body.json:

"messages" : [ "role" : " user " , "content" : " Hello "

Embeddings API 示例

注意: 1.4.0 版本对embeddings API质量进行了改善，生成结果与之前的版本不兼容，如果你正在使用此API生成知识库等，请重新生成

如果你在用langchain, 直接使用 OpenAIEmbeddings(openai_api_base="http://127.0.0.1:8000", openai_api_key="sk-")

import numpy as np
import requests
def cosine_similarity(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))
values = [
    "I am a girl",
    "我是个女孩",
    "私は女の子です",
    "广东人爱吃福建人",
    "我是个人类",
    "I am a human",
    "that dog is so cute",
    "私はねこむすめです、にゃん♪",
    "宇宙级特大事件！号外号外！"
embeddings = []
for v in values:
    r = requests.post("http://127.0.0.1:8000/embeddings", json={"input": v})
    embedding = r.json()["data"][0]["embedding"]
    embeddings.append(embedding)
compared_embedding = embeddings[0]
embeddings_cos_sim = [cosine_similarity(compared_embedding, e) for e in embeddings]
for i in np.argsort(embeddings_cos_sim)[::-1]:
    print(f"{embeddings_cos_sim[i]:.10f} - {values[i]}")

MIDI Input

小贴士: 你可以下载 https://github.com/josStorer/sgm_plus , 并解压到程序的 assets/sound-font 目录, 以使用离线音源. 注意, 如果你正在从源码编译程序, 请不要将其放置在源码目录中

如果你没有MIDI键盘, 你可以使用像 Virtual Midi Controller 3 LE 这样的虚拟MIDI输入软件, 配合 loopMIDI , 使用普通电脑键盘作为MIDI输入

USB MIDI 连接

USB MIDI设备是即插即用的, 你能够在作曲页面选择你的输入设备

Mac MIDI 蓝牙连接

对于想要使用蓝牙输入的Mac用户, 请安装 Bluetooth MIDI Connect , 启动后点击托盘连接, 之后你可以在作曲页面选择你的输入设备

Windows MIDI 蓝牙连接

Windows似乎只为UWP实现了蓝牙MIDI支持, 因此需要多个步骤进行连接, 我们需要创建一个本地的虚拟MIDI设备, 然后启动一个UWP应用, 通过此UWP应用将蓝牙MIDI输入重定向到虚拟MIDI设备, 然后本软件监听虚拟MIDI设备的输入

因此, 首先你需要下载 loopMIDI , 用于创建虚拟MIDI设备, 点击左下角的加号创建设备

然后, 你需要下载 Bluetooth LE Explorer , 以发现并连接蓝牙MIDI设备, 点击Start搜索设备, 然后点击Pair绑定MIDI设备

最后, 你需要安装 MIDIberry , 这个UWP应用能将MIDI蓝牙输入重定向到虚拟MIDI设备, 启动后, 在输入栏, 双击你实际的蓝牙MIDI设备名称, 在输出栏, 双击我们先前创建的虚拟MIDI设备名称

现在, 你可以在作曲页面选择虚拟MIDI设备作为输入. Bluetooth LE Explorer不再需要运行, loopMIDI窗口也可以退出, 它会自动在后台运行, 仅保持MIDIberry打开即可

Preview

小贴士: 你可以下载 https://github.com/josStorer/sgm_plus , 并解压到程序的 assets/sound-font 目录, 以使用离线音源. 注意, 如果你正在从源码编译程序, 请不要将其放置在源码目录中

README_ZH.md

Latest commit

History

README_ZH.md

File metadata and controls

RWKV Runner

Simple Deploy Example

API并发压力测试

Embeddings API 示例

MIDI Input

USB MIDI 连接

Mac MIDI 蓝牙连接

Windows MIDI 蓝牙连接

相关仓库:

Preview

LoRA微调