一分钟部署 Llama3 中文大模型，没别的，就是快

前段时间百度创始人李彦宏信誓旦旦地说开源大模型会越来越落后，闭源模型会持续领先。随后小扎同学就给了他当头一棒，向他展示了什么叫做顶级开源大模型。

美国当地时间4月18日，Meta 在官网上发布了两款开源大模型，参数分别达到 80 亿 (8B) 和 700 亿 (70B)，是目前同体量下性能最好的开源模型，而且直接逼近了一线顶级商业模型 GPT-4 和 Claude3。

与此同时，还有一个 400B 的超大杯模型还在路上，估计很快就会放出来，到时候就真的碾压了，某些声称闭源遥遥领先的哥们就等着哭吧 😢

虽然才过去短短几日，Huggingface 上已经涌现了非常多的 Llama3 中文微调版，令人眼花缭乱：

想不想自己也部署一个 Llama3 中文版？

对于没有 GPU 的同学，我们可以使用微调的量化模型来使用 CPU 运行。不同的量化方法会带来不同的性能损失：

1. 8bit 量化没有性能损失。
2. AWQ 4bit 量化对 8B 模型来说有 2%性能损失，对 70B 模型只有 0.05%性能损失。
3. 参数越大的模型，低 bit 量化损失越低。AWQ 3bit 70B 也只有 2.7%性能损失，完全可接受。

综合来说，如果追求无任何性能损失，8B 模型用 8bit 量化，70B 模型用 4bit 量化。

如果能接受 2-3%损失，8B 模型用 4bit 量化，70B 模型用 3bit 量化。

目前效果最好的中文微调版是 HuggingFace 社区的 [zhouzr/Llama3-8B-Chinese-Chat-GGUF 模型]，该模型采用 firefly-train-1.1M、moss-003-sft-data、school_math_0.25M、弱智吧（没错，就是那个弱智吧~）数据集，使模型能够使用中文回答用户的提问。

下面我们来看看如何在三分钟内快速部署这个模型吧。

直接在浏览器中打开以下链接：

• [bja.sealos.run/?openapp=sy…]

然后点击右上角的「去 Sealos 部署」。

如果您是第一次使用 [Sealos]，则需要注册登录 Sealos 公有云账号，登录之后会立即跳转到模板的部署页面。

跳转进来之后，点击右上角的「部署应用」开始部署，部署完成后，直接点击应用的「详情」进入该应用的详情页面。

等待实例状态变成 running 之后，Llama3 中文版模型就部署好了，默认会提供一个与 OpenAI 官方接口对齐的 API，你可以打开终端直接通过 API 来测试。我框出来的部分就是该模型 API 在 Sealos 集群的内网地址，你可以点击它直接复制。

为了更直观地使用，我们可以选择再部署一个 WebUI，Lobe Chat、ChatGPT Next Web 这些都可以使用，本文以 Lobe Chat 为例，直接在浏览器打开以下链接：

• [bja.sealos.run/?openapp=sy…]

需要填写三个变量的值，如下图所示：

• OPENAI_PROXY_URL 的值就是我们刚刚复制的内网 API 接口地址，记得要在末尾加上 /v1。
• OPENAI_MODEL_LIST 的值是 +Llama3-8B-Chinese-Chat.q4_k_m.GGUF。
• OPENAI_API_KEY 的值随便瞎写一个就行。

然后点击右上角的「部署应用」，部署完成后，直接点击应用的「详情」进入该应用的详情页面，等待实例状态变成 running 之后，点击外网地址即可打开 Lobe Chat 的可视化界面。

进来之后，先点击顶部的 gpt-3.5-turbo：

在弹出来的下拉框中点击「Llama3-8B-Chinese-Chat.q4_k_m.GGUF」，切换到该模型。

现在就可以和模型愉快地对话了，先来个弱智吧的问题尝尝咸淡：

再来试试 GPT-4 专用测试问题：

数学能力测试：

？？？

这个应用模板默认只给了 8核 CPU，而且都没跑满，效果肯定还是不如 GPU 的。有条件的同学可以直接用 GPU 部署 70B 的模型。

如何学习AI大模型？

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： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓