大模型的本机部署

原文章地址：大模型的本机部署 - Only(AR)'s blog (onlyar.site)

1 介绍

用于方便在个人电脑上快速启动一个大语言聊天模型。支持命令行聊天和网页端聊天两种方式。最低配置可以支持纯 CPU，有独立显卡会有更好的体验。

本项目基于目前非常火的大模型微调开源项目 LLaMA-Factory，大家可以点进去给给 Star 支持一下学长的工作。

网页端演示：

命令行演示：

2 环境配置

首先安装 Python，请使用 3.9 以上的版本。推荐使用 conda 或 venv 管理 python 环境。如果您没有安装过 conda，请自行查阅资料（b站/csdn/知乎），推荐安装 miniconda 而不是 anaconda，因为 anaconda 有很多科学计算相关功能占用了不必要的空间。

安装好 conda 后，可以按如下步骤准备你的环境：

2.1 创建 conda 环境

conda create -n llm-chat python=3.9

2.2 激活 conda 环境

conda activate llm-chat

激活后会看到你的命令行界面有 (llm-chat) 的字样，以后记得使用 pip 安装包之前要确保处于目标环境，不要装错了。

2.3 安装 pytorch

这里根据设备不同有两种安装方式

CPU/无独立显卡/显卡很烂（MX450 以下）/诶我有显卡但嫌麻烦就是不用

直接执行命令安装 CPU 版本的 pytorch 即可（但是 CPU 的运行速度要比显卡慢很多）

pip install torch torchvision torchaudio

然后直接看第 4 步

有 Nvidia 独立显卡

首先确保你有 cuda，先执行：

nvidia-smi

如果出现如下字样，说明正确安装了 cuda：

+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.54.14              Driver Version: 550.54.14      CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA A100-SXM4-40GB          Off |   00000000:0E:00.0 Off |                    0 |
| N/A   55C    P0             53W /  400W |       3MiB /  40960MiB |      0%      Default |
|                                         |                        |             Disabled |
+-----------------------------------------+------------------------+----------------------+

否则请先安装 cuda：CUDA安装及环境配置——最新详细版-CSDN博客

安装 cuda 以后再执行nvidia-smi查看 cuda 版本，如果正常，请看官网安装 pytorch：Start Locally | PyTorch，注意选择 Stable、Windows 平台、pip 安装、选择匹配你的 cuda 版本（你的 cuda 版本应该在 nvidia-smi 中有显示，如果你的版本比 pytorch 官网的还要高，选择一个较新的就可以）

如果下载太慢，请自行搜索解决方式

 下面检验是否启用了 gpu，首先在命令行激活环境后，输入 python，之后依次在交互式终端中输入以下语句：

>>> import torch

>>> torch.cuda.is_available()

输入输出 True 恭喜你成功启用了 cuda，如果是 False 或者其他错误，可以自行百度解决方案。

2.4 拉取代码：

克隆仓库：

git clone https://github.com/OnlyAR/nano-ai-chat.git

拉取失败的话自行搜索：“git 的安装”等相关知识

如果拉取速度很慢可以参考 ssh 链接拉取方法：ssh 连接 git 教程 - Only(AR)'s blog (onlyar.site)

 这个仓库搬运自 LLaMA-Factory，由于原来仓库很大使用不方便，我只取了用于部署的部分代码。

2.5 安装依赖

在激活完环境以后进入仓库目录：

cd nano-ai-chat

运行安装命令：

pip install -r requirements.txt

3 下载模型

请选择你的模型，本项目下载源是国内站（Modelscope），如需使用 huggingface 请自行努力，可选择的模型列表：

名称	template	path	主页
Qwen1.5-0.5B-Chat	qwen	qwen/Qwen1.5-0.5B-Chat	通义千问1.5-0.5B-Chat · 模型库 (modelscope.cn)
Qwen1.5-1.8B-Chat	qwen	qwen/Qwen1.5-1.8B-Chat	通义千问1.5-1.8B-Chat · 模型库 (modelscope.cn)
Qwen1.5-4B-Chat	qwen	qwen/Qwen1.5-4B-Chat	通义千问1.5-4B-Chat · 模型库 (modelscope.cn)
Qwen1.5-beta-7B-Chat	qwen	qwen/Qwen1.5-7B-Chat	通义千问1.5-7B-Chat · 模型库 (modelscope.cn)
CodeQwen1.5-7B-Chat	qwen	qwen/CodeQwen1.5-7B-Chat	CodeQwen1.5-7B-Chat · 模型库 (modelscope.cn)
Yi-6B-Chat	yi	01ai/Yi-6B-Chat	Yi-6B-Chat · 模型库 (modelscope.cn)

 这里只列举了常用的小规模中文对话模型，更多支持的模型请查看hiyouga/LLaMA-Factory: Unify Efficient Fine-Tuning of 100+ LLMs (github.com)

只有模型名字里带有 Chat 的才是对话模型，否则是基础模型，只能续写句子不能对话。模型的 -xB- 表示参数量，1B 表示十亿，CPU 玩家建议用 0.5B 或 1.8B 试试，独立显卡玩家可以大一点。

 运行下载脚本将模型下载到本地，例如我下载 Qwen1.5-0.5B-Chat：

python download.py --model qwen/Qwen1.5-0.5B-Chat

对于上表里有的模型，--model 参数请填写 path，没有的模型可以去主页查。脚本默认将模型下载到当前目录下的 model 文件夹，可以通过 --output 参数修改。

 4 大模型，启动！

介绍两种启动方式（均不需要联网）：

• Web 端

python web_demo.py --model_name_or_path model/qwen/Qwen1___5-0___5B-Chat --template qwen

• 命令行

python cli_demo.py --model_name_or_path model/qwen/Qwen1___5-0___5B-Chat --template qwen

参数解释：

• --model_name_or_path：模型路径，请按照实际下载位置填写
• template：使用的模板，请查阅上表或 LLaMA-Factory 仓库中的表格填写

启动了以后，就可以对话了，对话是默认保存历史的，网页端有按钮清除历史（或者刷新），命令行输入 clear 是清除历史。

按下 Ctrl+C 是停止程序，命令行输入 exit 也可以停止

1. Zheng Y, Zhang R, Zhang J, et al. Llamafactory: Unified efficient fine-tuning of 100+ language models[J]. arXiv preprint arXiv:2403.13372, 2024.