目前最强的开源大模型Llama 3
它有两款不同的参数模型——Llama 3 8B与Llama 3 70B。
性能再次突破,基本全面碾压同类参数的选手,甚至能越级和GeminiPro等打的有来有回。
-
Llama 3 8B在关键测试中超越前代Llama 2 70B模型,性能力压群雄。
-
训练速度是Llama 2的三倍,节省时间,提升效率。
-
超大数据集:训练数据超过15T token,是Llama 2的7倍以上
-
长文本处理:支持最长达8K的文本输入
在众多基准测试中居于领先地位,推理和编码能力大幅增强。
既然是开源模型,咱就自己部署运行一个!
看看在自己的电脑上,运行大模型是一种什么体验。
话不多说,上教程!
官网下载安装较为麻烦
这里我找到一个Llama3懒人整合包!
一键安装运行,保你会用!
(Llama 3 8B版本,8个G左右,电脑内存至少16G以上,老电脑就别强求了,直接官网https://www.meta.ai/体验吧)
下载解压后得到以下两个文件
然后跟着操作:
1、双击安装LM-Studio-0.2.20-Setup.exe
装完后,桌面上有了个快捷方式
2、桌面双击打开LM-Studio快捷方式
然后通过以下两步,打开存放模型的文件夹,然后将解压包里的FaradayDotDev
文件,整个复制到模型文件夹内。
3、LM-Studio切换到聊天界面
然后选择好模型,加载好后,就可以直接在对话框中开始用了。
就是这么简单,你就成功部署好了自己的本地AI大模型,真正的离线使用,永久免费,也不用担心数据安全问题!
我随便问了一句,你和GPT4谁比较厉害?
哈哈,Llama还挺诚实!
大方承认了自己还不如GPT4,但是会努力学习进步!
大家装好后,可以自行试玩,非常方便!
需要注意的是,本地运行需要占用本地电脑内存和算力,所以如果性能不够强的话,可能会有卡顿。
虽然我们可以在meta官网,或者其他第三方工具体验到,更加流程丝滑的使用体验。
但是用自己电脑安装运行,还是更有意思,我的算力和数据,我自己做主!
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的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。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。