大模型部署工具 llama.cpp 介绍与安装使用_看完这篇就够了

最新推荐文章于 2025-03-29 19:54:45 发布
最新推荐文章于 2025-03-29 19:54:45 发布
阅读量2.1k 收藏 12
点赞数 22
文章标签： llama 微信 人工智能 学习 agi 产品经理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_77193447/article/details/140962031
版权
1. 大模型部署工具 llama.cpp

大模型的研究分为训练和推理两个部分。训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化，推理结果最优化的过程。训练完成之后，模型的参数就固定了，这时候就可以使用模型进行推理，对外提供服务。

llama.cpp（https://github.com/ggerganov/llama.cpp） 主要解决的是推理过程中的性能问题。主要有两点优化：

  • llama.cpp 使用的是 C 语言写的机器学习张量库 ggml

  • llama.cpp 提供了模型量化的工具

计算类 Python 库的优化手段之一就是使用 C 重新实现，这部分的性能提升非常明显。另外一个是量化，量化是通过牺牲模型参数的精度，来换取模型的推理速度。llama.cpp 提供了大模型量化的工具，可以将模型参数从 32 位浮点数转换为 16 位浮点数，甚至是 8、4 位整数。

除此之外，llama.cpp 还提供了服务化组件，可以直接对外提供模型的 API 。

2. 使用 llama.cpp 量化模型
2.1 下载编译 llama.cpp

克隆代码，编译 llama.cpp

git clone https://github.com/ggerganov/llama.cpp``cd llama.cpp``make

在目录下会生成一系列可执行文件：

  • main：使用模型进行推理

  • quantize：量化模型

  • server：提供模型 API 服务

  • …

2.2 准备 llama.cpp 支持的模型

llama.cpp 支持转换的模型格式有 PyTorch 的 .pth 、huggingface 的 .safetensors 、还有之前 llama.cpp 采用的 ggmlv3。

在 huggingface 上找到合适格式的模型，下载至 llama.cpp 的 models 目录下。

git clone https://huggingface.co/4bit/Llama-2-7b-chat-hf ./models/Llama-2-7b-chat-hf
2.3 转换为 GGUF 格式
  1. 安装依赖

llama.cpp 项目下带有 requirements.txt 文件，直接安装依赖即可。

pip install -r requirements.txt
  1. 转换模型
python convert.py ./models/Llama-2-7b-chat-hf --vocabtype spm``   ``params = Params(n_vocab=32000, n_embd=4096, n_mult=5504, n_layer=32, n_ctx=2048, n_ff=11008, n_head=32, n_head_kv=32, f_norm_eps=1e-05, f_rope_freq_base=None, f_rope_scale=None, ftype=None, path_model=PosixPath('models/Llama-2-7b-chat-hf'))``Loading vocab file 'models/Llama-2-7b-chat-hf/tokenizer.model', type 'spm'``...``Wrote models/Llama-2-7b-chat-hf/ggml-model-f16.gguf

vocabtype 指定分词算法，默认值是 spm，如果是 bpe，需要显示指定。

2.4 开始量化模型

quantize 提供各种精度的量化。

./quantize``   ``usage: ./quantize [--help] [--allow-requantize] [--leave-output-tensor] model-f32.gguf [model-quant.gguf] type [nthreads]``   `  `--allow-requantize: Allows requantizing tensors that have already been quantized. Warning: This can severely reduce quality compared to quantizing from 16bit or 32bit`  `--leave-output-tensor: Will leave output.weight un(re)quantized. Increases model size but may also increase quality, especially when requantizing``   ``Allowed quantization types:`   `2  or  Q4_0   :  3.56G, +0.2166 ppl @ LLaMA-v1-7B`   `3  or  Q4_1   :  3.90G, +0.1585 ppl @ LLaMA-v1-7B`   `8  or  Q5_0   :  4.33G, +0.0683 ppl @ LLaMA-v1-7B`   `9  or  Q5_1   :  4.70G, +0.0349 ppl @ LLaMA-v1-7B`  `10  or  Q2_K   :  2.63G, +0.6717 ppl @ LLaMA-v1-7B`  `12  or  Q3_K   : alias for Q3_K_M`  `11  or  Q3_K_S :  2.75G, +0.5551 ppl @ LLaMA-v1-7B`  `12  or  Q3_K_M :  3.07G, +0.2496 ppl @ LLaMA-v1-7B`  `13  or  Q3_K_L :  3.35G, +0.1764 ppl @ LLaMA-v1-7B`  `15  or  Q4_K   : alias for Q4_K_M`  `14  or  Q4_K_S :  3.59G, +0.0992 ppl @ LLaMA-v1-7B`  `15  or  Q4_K_M :  3.80G, +0.0532 ppl @ LLaMA-v1-7B`  `17  or  Q5_K   : alias for Q5_K_M`  `16  or  Q5_K_S :  4.33G, +0.0400 ppl @ LLaMA-v1-7B`  `17  or  Q5_K_M :  4.45G, +0.0122 ppl @ LLaMA-v1-7B`  `18  or  Q6_K   :  5.15G, -0.0008 ppl @ LLaMA-v1-7B`   `7  or  Q8_0   :  6.70G, +0.0004 ppl @ LLaMA-v1-7B`   `1  or  F16    : 13.00G              @ 7B`   `0  or  F32    : 26.00G              @ 7B

执行量化命令

./quantize ./models/Llama-2-7b-chat-hf/ggml-model-f16.gguf ./models/Llama-2-7b-chat-hf/ggml-model-q4_0.gguf Q4_0``   ``llama_model_quantize_internal: model size  = 12853.02 MB``llama_model_quantize_internal: quant size  =  3647.87 MB``llama_model_quantize_internal: hist: 0.036 0.015 0.025 0.039 0.056 0.076 0.096 0.112 0.118 0.112 0.096 0.077 0.056 0.039 0.025 0.021

量化之后，模型的大小从 13G 降低到 3.6G，但模型精度从 16 位浮点数降低到 4 位整数。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

img

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。

大模型
关注
Xinference实战指南：全面解析LLM大模型部署流程，携手Dify打造高效AI应用实践案例，加速AI项目落地进程
丨汀、的博客
08-16 6783
Xinference实战指南：全面解析LLM大模型部署流程，携手Dify打造高效AI应用实践案例，加速AI项目落地进程
Web-AI入门
Half_orc的博客
01-15 1340
概念 简介： Adobe illustrator是一种应用于出版、多媒体和在线图像的工业标准矢量插画的软件，作为一款非常好的矢量图形处理工具。该软件主要应用于印刷出版、海报书籍排版、专业插画、多媒体图像处理和互联网页面的制作等，也可以为线稿提供较高的精度和控制，适合生产任何小型设计到大型的复杂项目。 AI的学习类比PS更容易掌握（详见前6篇文章，故很多知识不再进行赘述） 工具介绍
大模型部署工具 llama.cpp 介绍与安装使用
youmaob的博客
04-07 1万+
另外一个是量化，量化是通过牺牲模型参数的精度，来换取模型的推理速度。llama.cpp 提供了大模型量化的工具，可以将模型参数从 32 位浮点数转换为 16 位浮点数，甚至是 8、4 位整数。训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化，推理结果最优化的过程。训练完成之后，模型的参数就固定了，这时候就可以使用模型进行推理，对外提供服务。大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约。llama.cpp 提供了模型量化的工具。
大模型本地部署神器：llama.cpp使用介绍
最新发布
2401_85390073的博客
03-29 1269
本节主要介绍什么是llama.cpp，以及llama.cpp、llama、ollama的区别。同时说明一下GGUF这种模型文件格式。llama.cpp是一个由Georgi Gerganov开发的高性能C++库，主要目标是在各种硬件上（本地和云端）以最少的设置和最先进的性能实现大型语言模型推理。主要特点：纯C/C++实现，没有任何依赖对Apple Silicon（如M1/M2/M3芯片）提供一流支持 - 通过ARM NEON、Accelerate和Metal框架优化。
神仙级AI大模型入门教程(非常详细)，从零基础入门到精通，从看这篇开始！
AI大模型的博客
05-10 1万+
坚持到了这儿，恭喜你，表示你有做AI大模型工程师的潜力。其实我想说的上面的内容只是冰山一角，刚开始大家不需要多么精通了解这些内容。主要是不断练习，让自己跳出「舒适区」，进入「学习区」，但是又不进入「恐慌区」，不断给自己「喂招」。记住，学习是一个持续的过程。大模型技术日新月异，每天都有新的研究成果和技术突破。要保持对知识的渴望，不断学习最新的技术和算法。同时，实践是检验学习成果的最佳方式。通过实际项目实践，你将能够将理论知识转化为实际能力，不断提升自己的技术实力。最后，不要忘记与同行交流和学习。
AI 入门，从零搭建完整 AI 开发环境，并写出第一个 AI 应用
qingkahui24689的博客
07-28 8364
在本文中，我们从零开始，一步步搭建了一个完整的AI开发环境，并创建了一个简单的AI应用。您学习了如何安装Python、Anaconda、TensorFlow，以及如何使用Jupyter Notebook进行开发。通过这个简单的手写数字识别应用，您不仅学习了AI的基本概念，还亲身体验了AI的应用。AI是一个广阔而充满机遇的领域，希望这个教程能够激发您继续深入学习和探索AI的兴趣。
llama.cpp一种在本地CPU上部署的量化模型（超低配推理llama）
热门推荐
god_Zeo的安全博客
04-23 2万+
前不久，Meta前脚发布完开源大语言模型LLaMA，随后就被网友“泄漏”，直接放了一个磁力链接下载链接。然而那些手头没有顶级显卡的朋友们，就只能看看而已了但是 Georgi Gerganov 开源了一个项目llama.cpp次项目的牛逼之处就是没有GPU也能跑LLaMA模型大大降低的使用成本，本文就是时间如何在我的 mac m1 pro 上面跑起来这个模型。
Llama.cpp运行流程
weixin_60146555的博客
11-07 1109
在极端情况下，温度为 0 将始终选择最可能的下一个 token，从而导致每次运行中产生相同的输出。top-k 的值越高（例如 100），考虑的词元越多，文本就越多样化，而值越低（例如 10），则侧重于最可能的词元，并生成更保守的文本。top-k 的值越高（例如 100），考虑的词元越多，文本就越多样化，而值越低（例如 10），则侧重于最可能的词元，并生成更保守的文本。在极端情况下，温度为 0 将始终选择最可能的下一个 token，从而导致每次运行中产生相同的输出。该选项有助于防止模型生成重复或单调的文本。
如何使用llama.cpp将SafeTensors模型转换为GGUF格式并部署ollama
weixin_42684822的博客
10-31 5840
将大模型微调后的SafeTensors格式通过llamacpp转换为GGUF格式,并在ollama上导入使用
本地部署大模型的几种工具（上-相关使用）
龙井茶的Sky
03-26 4725
vllm主要作用其实是可以提高推理性能，但是必须在linux下运行，而且必须有GPU官网地址vllm官网 Welcome to vLLM!— vLLMchatglm.cpp主要通过C++编译，实现性能的提升ollama主要简化了部署大模型的复杂度github地址：ollama/ollama：启动并运行 Llama 2、Mistral、Gemma 和其他大型语言模型。github上可以看ollama相关介绍，包括如何使用。
AI大模型基础入门（非常详细）零基础入门到精通，收藏这一篇就够了
leah126的博客
05-28 3795
一、介绍随着人工智能技术的迅猛发展，AI大模型在各个领域中展现出了巨大的潜力和应用价值。近年来，诸如GPT-4、BERT等大型语言模型（Large Language Models, LLMs）成为了学术界和工业界的热点话题。这些大模型不仅在自然语言处理（Natural Language Processing, NLP）领域取得了突破性进展，还在计算机视觉、医疗健康、金融科技等多个领域中广泛应用，显著提升了各类智能系统的性能和智能化水平。AI大模型的崛起与深度学习和神经网络技术的发展密不可分。
小白也能成为AI专家：从零开始学习人工智能
AigcFox1033的博客
01-06 2772
AigcFox工具箱--主流自媒体平台视频、图文内容一键发布。视频、图片自动裂变n份并去重。多账号自动发布，模拟人工操作，无人值守。账户绑定上网卡或手机共享网络，可实现发布IP隔离。AI内容：可对文章、图片改写、润色、增强。
AI大模型入门基础教程（非常详细），AI大模型入门到精通，收藏这一篇就够了！
weixin_58753619的博客
04-02 5494
AI大模型是指使用大规模数据和强大的计算能力训练出来的人工智能模型。这些模型通常具有高度的准确性和泛化能力，可以应用于各种领域，如自然语言处理、图像识别、语音识别等。
神仙级AI大模型入门教程(非常详细)，从零基础入门到精通，从看这篇开始
2301_81888214的博客
02-17 1526
近年来，人工智能（AI）大模型的迅猛发展吸引了广泛关注，如GPT-3、BERT等。它们的强大能力在自然语言处理、图像识别等领域得到了广泛应用。如果你是AI领域的新手，想要从零基础开始学习并掌握神仙级AI大模型，本文将为你提供一份非常详细的入门教程
人工智能新手入门学习路线！附学习资源合集
程序人生的博客
08-11 1526
有段时间没跟大家分享编程资源福利了！今天为大家整理了人工智能新手入门学习路线，同时附700分钟的学习资源合集，相信这套福利可以帮你顺利入行AI！文末领取全部资料。一、AI基础好课学习资...
如何入门AI
海边凝望的博客
08-11 1668
备注： 内容为观看Deeplearning.ai后整理而来，如有侵权，请联系删除。 作为一个新手，入门AI时总是会迷茫，不知道应该如何开始，如何提高，如何找到资料等，下面内容是deeplearning.ai中几位人工智能领域的大牛给出的建议，供参考，学习。   一、需要是知道一些基本的原理。可以阅读一本经典书籍或者跟着讲述基础知识的视频开始概念的学习； 二、基本原理读懂后，需要提高认知。 ...
大模型到底能干啥，不能干啥？（非常详细）零基础入门到精通，收藏这一篇就够了
Python_0011的博客
05-27 3276
举例：高精确度：中国的首都是哪里？北京。低精确度：请一句话赞美上海。上海，这座璀璨的东方之珠，以其独特的魅力、繁荣的经济和深厚的文化底蕴，展现了无与伦比的现代都市风采。特点：高精确度的结果一般是有正确参考答案的，像人的理性思考。低精确度的结果，一般没有正确回答，怎么回答都可以，像人的感性思考。
使用llama_index.llms.llama_cpp需要pip安装什么
03-22
<think>好的，我现在需要解决用户关于如何通过pip安装llama_index.llms.llama_cpp依赖的问题。用户提到了使用`pip install llama-index[llama-cpp]`的要求和依赖，我需要先了解这个包的具体情况。 首先，我应该回忆一下llama-index和llama-cpp-python的关系。llama-index可能是一个高层库，而llama-cpp-python是底层绑定，用于与C++实现的模型交互。所以安装llama_index的llama-cpp支持可能需要先正确安装llama-cpp-python。 接下来，用户提供的引用中有几个关于安装llama-cpp-python的问题和解决方法。例如，引用[2]提到安装时出现OpenMP相关的错误，需要设置环境变量如`LDFLAGS`来链接libomp或libgomp。还有针对不同硬件（如Apple M系列、NVIDIA、AMD显卡）的CMAKE_ARGS参数。这些信息很重要，因为不同硬件需要不同的编译选项。 另外，引用[1]提到使用预编译的wheel文件安装，可以避免本地编译的问题，节省时间。用户可能需要优先推荐使用预编译版本，尤其是在CPU环境下。 然后，我需要整理安装步骤。首先，确保llama-cpp-python正确安装，可能包括处理环境变量和硬件特定的编译标志。然后，安装llama-index时指定llama-cpp的额外依赖，即使用`pip install llama-index[llama-cpp]`。可能还需要注意Python版本和系统依赖库，比如OpenMP的支持。 同时，用户可能遇到的问题包括编译失败、依赖缺失等。例如，在Linux系统中，可能需要安装gcc、cmake等构建工具，或者安装libopenblas-dev等库。对于错误信息如未找到libomp.so，需要指导用户如何查找并设置正确的环境变量。 最后，需要验证安装是否成功，可以建议用户导入模块并检查是否有错误。例如，尝试`from llama_index.llms import LlamaCPP`，如果没有报错则说明安装成功。 总结步骤应该是：安装系统依赖，设置硬件相关的环境变量，安装llama-cpp-python，最后安装llama-index的额外依赖。同时提供常见问题的解决方法，比如编译错误、缺少库文件等。</think>### 安装 `llama_index.llms.llama_cpp` 依赖的步骤 #### 1. **安装 `llama-cpp-python` 基础依赖** `llama_index` 的 `llama-cpp` 模块依赖 `llama-cpp-python` 库，需先正确安装它。以下是具体步骤： - **使用预编译版本（推荐）** 对于CPU环境，直接安装预编译的wheel文件，避免本地编译： ```bash pip install llama-cpp-python --extra-index-url https://abetlen.github.io/llama-cpp-python/whl/cpu ``` 这适用于大多数场景且节省时间[^1]。 - **硬件加速支持（可选）** 根据硬件类型添加编译参数： - **Apple M系列（Metal GPU加速）** ```bash CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python ``` - **NVIDIA显卡（CUDA加速）** ```bash CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python ``` - **AMD显卡（HIP加速）** ```bash CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python ``` 这些参数会启用GPU加速功能[^2]。 #### 2. **解决常见编译问题** 若安装时出现编译错误（如缺少OpenMP库）： - **查找并链接缺失的库** 例如，解决 `undefined reference to 'omp_get_thread_num'` 错误： ```bash # 查找 libomp.so 或 libgomp.so 的路径 find / -name "libomp.so" # 设置环境变量（路径需替换为实际值） export LDFLAGS="-L/usr/lib -lomp" # 或 -lgomp ``` 然后重新运行安装命令。 - **安装系统依赖** 确保已安装编译工具链： ```bash # Ubuntu/Debian sudo apt install build-essential cmake libopenblas-dev ``` #### 3. **安装 `llama-index` 的 `llama-cpp` 扩展** 安装主库并指定额外依赖： ```bash pip install "llama-index[llama-cpp]" ``` 这会自动安装 `llama-cpp-python` 和其他相关依赖。 #### 4. **验证安装** 测试是否成功导入模块： ```python from llama_index.llms import LlamaCPP # 无报错则安装成功 ``` ### 关键依赖说明 | 依赖项 | 作用 | 安装方式 | |----------------------|-----------------------------|------------------------------| | `llama-cpp-python` | 底层模型推理库 | 预编译或源码编译（需硬件参数） | | `llama-index` | 高层接口和功能实现 | `pip install "llama-index[llama-cpp]"` | | OpenMP库（如libomp） | 多线程并行计算支持 | 系统包管理或环境变量配置 | ### 常见问题解决 - **错误：`Failed to build wheels`** 检查Python版本（需≥3.8）和编译工具链，或尝试预编译版本[^3]。 - **GPU加速未生效** 确认硬件参数（如`CMAKE_ARGS`）正确设置，并安装对应驱动（如CUDA Toolkit）。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值