5分钟手把手系列(一)：使用Mac Book Pro本地部署大模型

最新推荐文章于 2025-03-07 16:33:14 发布

AI大模型教程

最新推荐文章于 2025-03-07 16:33:14 发布

阅读量3.6k

点赞数 10

文章标签： macos 人工智能 llama langchain 大模型部署 LLM 大模型教程

本文链接：https://blog.csdn.net/2401_82469710/article/details/143349637

版权

背景

随着行业内越来越多的AI产品落地，很多同学都对AI技术产生浓厚的兴趣，但苦于目前动作几十G上百G的大模型，并且手上的消费级电脑也无法满足各种模型部署运行要求，本文就是基于此背景，介绍如何使用Mac Book Pro本地搭建大模型的入门教程，希望能帮助到对AI有兴趣的同学。毕竟不管什么岗位，如果能自己搭个Demo进行AI相关的学习，也不失为一种AI入门方式。纸上谈兵终觉浅，绝知此事要躬行，正好借着9月OpenAI最新发布的o1大模型，写一个本地模型部署指南，本人电脑是Mac Book Pro M3 18G机器搭建，M1、M2的机器也是可以的。

方案选择

首先解释一下什么是模型量化

模型量化是做什么的: 模型量化是将浮点数值转化为定点数值，同时尽可能减少计算精度损失的方法。
为什么要做模型量化: 模型量化既能减少资源消耗，也能提高运行速度，使大规模推理服务的性能提升。
对哪些数值做量化: 可以对模型参数（weight）、激活值（activation）或者梯度（gradient）做量化。
常见的量化精度有哪些: 通常可以将模型量化为 int4、int8 等整型数据格式。

目前部署大模型的方式，基本分为两种方案：

下载原始大模型，然后通过相应的模型量化脚本，将量化后的模型进行本地环境部署，此种方式，下载原始模型费时费力，量化后的模型也不见电脑能带的动，需要不断调整量化参数quantization types，对新人不太友好
通过Ollama大模型管理工具，一键式部署量化后的LLM模型，本文也是主要介绍此种部署方式，直接通过的Ollama拉取的llama3.1模型信息如下，通过Open WebUI部署运行非常轻松，开着IDE+几十个Chrome页面毫无压力

量化后的模型信息 在这里插入图片描述

运行效果

在这里插入图片描述

Llama3.1

Llama3.1是Meta公司在7月最新发布的LLM模型，分为三个版本8B、70B、405B，有兴趣的同学可以直接去官网了解。 llama.meta.com/
github.com/meta-llama/…

在这里插入图片描述

Ollama

Ollama是一个开源的大模型管理工具，它提供了丰富的功能，包括模型的训练、部署、监控等。通过Ollama，你可以轻松地管理本地的大模型，提高模型的训练速度和部署效率。此外，Ollama还支持多种机器学习框架，如TensorFlow、PyTorch等，使得你可以根据自己的需求选择合适的框架进行模型的训练官网：ollama.com/

在这里插入图片描述

下载安装Ollama

下载安装后，在终端运行 ollama -v 能正常显示版本号即为安装成功

下载安装量化后的Llama3.1

确定Ollama已安装成功后，在终端运行如下代码，Ollama首次会将模型远程下载，并在下载完成后启动 ollama run llama3.1

下载过程还比较顺利，下载完成后，终端会启动大模型，可以直接在终端进行对话问答了，是不是很简单？但在终端里面进行AI问答，看起来没那么方便，所以我们可以通过Docker+Open WebUI的方案来实现本地Web UI管理调试大模型

在这里插入图片描述

Docker

Docker Desktop 是 Docker 提供的一个方便的工具，适用于 Windows 和 macOS 平台。它包含了 Docker Engine、Docker CLI 客户端、Docker Compose、Kubernetes 和其他工具，使开发人员可以在本地计算机上使用 Docker 容器进行开发和测试。官网：www.docker.com/products/do…

在这里插入图片描述

Open-WebUI

Open WebUI是一个可扩展、功能丰富、用户友好的自托管WebUI，旨在完全离线操作。它支持各种LLM运行程序，包括Ollama和OpenAI兼容的API。官网：www.openwebui.com/

在这里插入图片描述

具体特性可以查看 github：github.com/open-webui/… 当Docker安装完成后，可以通过命令在线安装open-webui，但安装之前，需要注意的是，最好在docker设置中配置镜像地址，否则下载速度非常感人，无法预计什么时候能下载成功

配置registry-mirrors

在这里插入图片描述

直接覆盖即可，我也没测试其中的镜像速度，如果自己有稳定的镜像地址，可以自行替换 { "builder": { "gc": { "defaultKeepStorage": "20GB", "enabled": true } }, "experimental": false, "registry-mirrors": [ "https://hub-mirror.c.163.com", "https://docker.m.daocloud.io", "https://ghcr.nju.edu.cn", "https://mirror.baidubce.com", "http://dockerhub.azk8s.cn", "https://mirror.ccs.tencentyun.com", "https://docker.mirrors.ustc.edu.cn", "https://docker.nju.edu.cn", "https://2h3po24q.mirror.aliyuncs.com" ] }

安装命令

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

在经过了漫长的等待后，是的，你没看错，用了镜像也不怎么快，没用镜像之前基本就是失败。。。

在这里插入图片描述

启动

在这里插入图片描述

安装完成后，即可在Docker中启动WebUI了，等待片刻后，浏览器输入http://localhost:3000/即可进入，如果需要提供给其他局域网中的小伙伴访问，可以找到自己的局域网IP地址，如 30.7.229.xx:3000/
首次进入的时候，需要注册账户，因为注册逻辑是在本地，只需要记住自己的账户密码即可，无需要验证码，首次注册的账号是管理员账号
进行后选择之前下载的Llama3.1模型后，即可开始模型的测试了

在这里插入图片描述

最后附几道测试题结果，目前看起来，Llama3.1的中文理解推理能力还是有待提升的

在这里插入图片描述

写在最后

AI作为后续的各行各业基础技术设施，其使用门槛会不断降低，各种配套框架、生态也会越加丰富。本人作为一名互联网行业的产品经理（当然，之前也有10来年的Android+iOS+Java后端的开发经验），编写AI模型的本地搭建教程，也是希望通过对新手较为友好的方式，帮助更多对AI感兴趣的同学迈出学习AI技术第一步，只有去深入了解AI背后的运作原理与流程，才能发现AIGC过程中的更多机会。

目前业界比较令人振奋的AI落地场景乏善可陈，在部分用户场景中，其实用规则、算法就已经能很好的解决用户需求，反而用上AI后产生各种啼笑皆非的结果。最后希望各行各业在AI的加持下，能帮助用户得到更好的使用体验，取得更好商业结果, MCGA~！

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望