小白windows系统从零开始本地部署大模型全记录（附教程）

大家好，最近两年大语言模型风靡全球，最近，不少开源大模型，将模型部署到自己的电脑上，用个性化的数据微调想必是不少人的愿望，这次，让我来分享从hugging face上下载部署chatglm3-6b中的经验。

1.硬件准备

具体参考这个：

结论：一般RTX 3060 6GB显卡是最小模型的门槛

补充“7B”指的是7亿参数。大语言模型参数量是指模型中可调整的参数的数量，通常用来衡量模型的大小和复杂程度，一般参数量越大的模型性能越强。商业化的模型一般在10B-100B之间，chatgpt4 13.3B。

我的配置：（查看方法：联想电脑管家，鲁大师）

很勉强，为了照顾显卡不行的小伙伴，这个帖子先用CPU进行部署

2.运算环境准备

2.1 安装anaconda

什么？你还不知道anaconda是啥？Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。

网上已经有很多下载安装教程，比如：https://blog.csdn.net/ABV09876543210/article/details/101194476

https://zhuanlan.zhihu.com/p/647523947

备注：现在最好python版本安装到3.8或者3.9，版本过低后面安装库的时候库的版本会过低。

我的报错解析：

1. 如果你已经安装，但在cmd使用conda 却报没有此命令，可以看看是不是没加入你的环境变量

如何配置环境变量？Win11方法在此: https://blog.csdn.net/weixin_46483785/article/details/131163456

2.2 配置软件环境

用conda create -n env python==3.8 命令创建名为“env”的新虚拟环境，用activate env或者conda activate env进入新建的虚拟环境（前面会出现新环境的名字）

并在新虚拟环境中使用conda下载（下载方法在刚刚conda教程中有）transformers>=4.38.2（为啥是这个或者以上的版本？后面会考！），tensorflow和pytorch。Pytorch安装比较麻烦，分为CPU版本和GPU版，具体教程看这里：https://www.jb51.net/python/302744e4p.htm

我是使用这个命令安装CPU版的 #安装pytorch conda install pytorch torchvision torchaudio cpuonly -c pytorch。使用conda list可以看见所有下载了的库：

然后虚拟环境导入到jupyter中（这时要保证自己在新的环境中！） https://blog.csdn.net/m0_56075892/article/details/130005168 首先要确保环境中有ipykernel ipython 库，没有的话进行安装

安装ipykernel ipython

pip install ipykernel ipython

查看jupyter下面有多少个kernels

jupyter kernelspec list

ipython kernel install --user --name pytorch1.6(虚拟环境名字)

最后，进入jupyter notebook,将kernel 调整成对应的虚拟环境将验证安装好了的包

新建一个notebook文档，然后输入 import torch import transformers 如果没有报错说明你已经安装好了。

3.下载大模型：

Hugging face官网是要科学上网滴：https://huggingface.co/ 在网站上chatglm3的官方下载方式是：from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True) model = AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True).half().cuda()

按照它的代码输入，你就会报这个错：

意思是：被墙了

这咋办？解决方法：国内镜像！https://hf-mirror.com/ https://aliendao.cn/#/ #我用的是这个

将所有文件下载到本地后，新建文件夹，命名，在本地加载 https://hf-mirror.com/

https://aliendao.cn/#/

例如，我将其放在这个文件夹下：

然后通过cd函数将工作路径调整到models文件夹后，就可以导入模型了：

from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True) model = AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True).half() model = model.eval()

response, history = model.chat(tokenizer, “你好”, history=[]) print(response) 出现这样一句话说明你成功啦！你好!我是人工智能助手 ChatGLM-6B,很高兴见到你,欢迎问我任何问题。

如果报错：DLL load failed while importing _imaging: 找不到指定的模块的解决方法 是你安装的库的版本有问题，解决方法可以详见这个帖子：https://blog.csdn.net/qq_45510888/article/details/121446878

4.更简单,更快的部署方法：

一键下载安装！一键本地部署！

教程：https://zhuanlan.zhihu.com/p/672400265

支持以下模型，缺点：没有中文模型！：

这期到这里结束了，读到这里你也发现，这个不是一个纯粹的原创帖，更多是前人经验的总结归纳和我在走前人教程中遇到的问题，希望对大家有帮助。

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。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 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。

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)

三、LLM大模型系列视频教程

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

五、AI产品经理大模型教程

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

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 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）👈

​