一、操作场景
除了使用 HAI 的 Gradio WebUI 外，用户也可以手动中断 Gradio WebUI 服务对显存的占用，以利用 HAI 的预装环境依赖，部署自定义的代码项目。
二、步骤1：打开终端
通过 JupyterLab 打开终端
1. 在 腾讯云控制台的页面，找到 ChatGLM3-6B 应用实例，进入实例管理页面，单击红框所示的 JupyterLab 连接算力。
2. 在弹出的 JupyterLab 页面中，选择 Terminal。
成功进入终端。
通过 SSH 客户端程序使用终端
或者，你可以在腾讯云的站内信中找 ChatGLM3-6B 应用实例对应的公网 IP、用户名和密码，通过 SSH 客户端程序进入终端。
三、步骤2：查找 Gradio WebUI 对应的进程
1. 在终端输入如下命令，查看活动进程：
ps aux
得到的活动进程信息展示如下：
2. 找到 COMMAND 列中，涉及 hai_web_demo.py 字样的进程，记录其进程 PID，本例中进程 PID 为14。
四、步骤3：终止 Gradio WebUI 对应的进程
在终端输入如下命令，终止 Gradio WebUI 对应的进程。请将命令中的 xxx 替换为上一步查找到的进程 PID。
kill -9 xxx
注意：终止错误的进程 PID 可能影响系统稳定性，请务必确认进程 PID 序号后再执行终止命令。
五、步骤4：查看显存占用情况
在终端输入如下命令，查看 GPU 使用情况。
nvidia-smi
得到的 GPU 使用情况展示如下，如果成功终止 Gradio WebUI 对应的进程，Memory-Usage 一项对应的显存占用会变得很小，本示例中仅为 2M。
如果没有终止 Gradio WebUI 对应的进程，Memory-Usage 一项对应的显存占用为下图所示，作为对比。
六、重启 Gradio WebUI 服务
中断 Gradio WebUI 服务后，你将不能在 HAI 实例的算力管理页面使用 Gradio WebUI。遵循如下流程可以重启该服务。请确保重启服务前，该 HAI 实例拥有充足的空余显存容量。
七、步骤1：服务重启
1. 在终端输入如下命令：
export MODEL_PATH='/root/chatglm3-6b-model' && export TOKENIZER_PATH='/root/chatglm3-6b-model' && cd /root/ChatGLM3/basic_demo/ && (python3 -u hai_web_demo.py –listen –port=6889 >> /var/log/chatglm3_gradio_service.log 2>&1 &) && tail -f /var/log/chatglm3_gradio_service.log
2. 以上命令实现了模型部署、指定端口监听、将控制台输出重定向到指定 log 文档等步骤，最终实现了 Gradio WebUI 服务重启。执行后，如果终端输出类似如下的字样，说明服务重启成功。
八、步骤2：验证重启
通过终端命令验证
注意：说明：
注意：上一步启动服务的操作可能占据终端的输入输出流。可以同时按下 control 键和 C 键，取得终端的控制权。
在终端输入如下命令，查看显存占用情况。
nvidia-smi
得到如下终端输出，显示显存占用量有 12G 以上，说明 Gradio WebUI 服务已经重启。
通过访问腾讯云控制台该实例的 Gradio WebUI 功能验证
进入腾讯云控制台，找到该 HAI 实例的管理页面，单击红框所示的 Gradio WebUI。
JupyterLab 页面正常弹出，可以正常对话，证明 Gradio WebUI 服务重启成功。