Linux基本命令实践与LLM部署
1.基于VMWare的Linux命令实践
首先创建一个shell文件,运用vim命令(vim的安装用sudo apt install vim)
vim test.sh
编写文件
//需要先输入i–insert,即插入命令
//touch为创建新文件
//free -h显示内存情况
//echo标准化打印内容,realpath返回路径
//chmod o+x osdir/*设置其他组用户可执行权限
//cat<<EOF,以EOF输入字符为标准输入结束
//cat>filename,创建文件,并把标准输入输出到filename文件中,以ctrl+d作为输入结束
//cat>filename<<EOF,以EOF作为输入结束,和ctrl+d的作用一样
//gcc为linux自带的编译器
// ./运行脚本文件
//:wq为保存文件
#!/bin/bash
mkdir -p osdir
touch osdir/f1 osdir/f2 osdir/f3
free -h > osdir/f1
echo "$(realpath osdir/f1)" >> osdir/f2
echo "$(realpath osdir/f2)" >> osdir/f2
echo "$(realpath osdir/f3)" >> osdir/f2
chmod o+x osdir/*
ls -l osdir > osdir/f3
cat <<EOF > osdir/hello.c
#include <stdio.h>
int main() {
printf("Hello, world!\n");
return 0;
}
EOF
gcc osdir/hello.c -o osdir/hello
./osdir/hello
结果展示
//ls为展示当前目录下所有文件
//bash运行脚本文件
2.基于ModelScope平台的LLM部署
a.基于ModelScope平台的通义千问部署
新建一个download_model.py文件,并复制入import代码,运行
vim download_model.py
from modelscope.hub.file_download import model_file_download`
model_dir = model_file_download(`
model_id='qwen/Qwen1.5-0.5B-Chat-GGUF',`
file_path='qwen1_5-0_5b-chat-q5_k_m.gguf',revision='master',`
cache_dir='/mnt/workspace/LLM/dir')
python download_model.py
使用git获取文件
git clone https://github.com/ggerganov/llama.cpp
编译
cd llama.cpp
make -j
运行
./main -m /mnt/workspace/LLM/dir/qwen/Qwen1.5-0.5B-Chat-GGUF/qwen1_5-0_5b-chat-q5_k_m.gguf -n 512 --color -i -cml
效果展示
b.基于OpenVINO的模型量化实践
首先把git仓库克隆下来
git clone https://github.com/OpenVINO-dev-contest/Qwen2.openvino.git
进入克隆文件夹,进行环境配置及依赖安装
python3 -m venv openvino_env
source openvino_env/bin/activate
python3 -m pip install --upgrade pip
pip install wheel setuptools
pip install -r requirements.txt
下载模型
export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download --resume-download --local-dir-use-symlinks False Qwen/Qwen1.5-0.5B-Chat --local-dir {your_path}/Qwen1.5-0.5B-Chat
转换模型
python3 convert.py --model_id Qwen/Qwen1.5-0.5B-Chat --precision int4 --output {your_path}/Qwen1.5-0.5B-Chat-ov
结果展示