如何在手机端跑大模型？

AI码上来

于 2024-09-16 07:53:27 发布

阅读量871

点赞数 13

分类专栏： AIoT嵌入式开发文章标签：嵌入式 python 人工智能

本文链接：https://blog.csdn.net/u010522887/article/details/142296552

版权

AIoT嵌入式开发专栏收录该内容

3 篇文章 0 订阅

订阅专栏

最近新入手了一台 arm 开发板，内置安装了 Android 13 系统。

昨天把网络问题给解决了：安卓连接 WIFI 但无法上网？盘点踩过的那些坑

今日分享，继续带大家实操：如何把大模型（LLM）部署到移动端（arm 架构）。

有小伙伴问：手头没有 arm 开发板怎么办？

准备一台 Android 手机就行。

为了得到一个丝滑的 Linux 开发环境，我们先来了解下 AidLux。

1. AidLux 简介

AidLux 是啥？

一个智能物联网(AIoT)应用开发和部署平台，它运行在 arm 架构的 CPU 上，通过 Linux 内核共享，将 Android 与 Linux 完美融合，面向物联网支持90%以上接口和外设。

Android 也是基于 Linux 内核，从上图可以发现，Android 开发需要 C++ java python 全栈，而安装 AidLux 后，你就拥有了一个丝滑的 Linux 环境，因此只会 python 也 OK。

AidLux 怎么安装？

任意品牌手机，应用商店搜索 AidLux ，一键安装！

安装完成后，打开 APP，你会看到如下界面，找到 Cloud IP 图标，确保浏览器和手机/开发板在同一个局域网内，浏览器输入下面的 URL 打开 Web 界面，登录密码为 aidlux。

至此，你的一台 Linux 服务器已经准备就绪！

2. 开发准备

2.1 远程登录

如果要进行开发，最好能实现 VS Code 远程登录，不了解如何操作的小伙伴，可参考这篇教程：【保姆级教程】Windows 远程登陆 Linux 服务器的两种方式：SSH + VS Code

ssh config 配置示例如下，开发板直接用 22 端口，手机需要改用 9022 端口:

Host aibox
  HostName 192.168.10.2
  Port 22
  User aidlux

登录密码默认为 aidlux，当然如果不想每次都输入密码的话，可以改用密钥认证，具体可参考上面教程。

2.2 Docker 安装

为了快速跑通各种 AI 应用，免不了要安装 Docker ！

Docker 是一个开源的应用容器引擎，将应用及其依赖打包到镜像中，随时移植到容器中，无需关心操作系统的底层。不了解如何安装使用的小伙伴，可参考这篇教程：【保姆级教程】Linux系统如何玩转Docker

3. Ollama 安装

Linux 主机上如何安装 Ollama，之前出过一篇教程：本地部署大模型?Ollama 部署和实战，看这篇就够了

本文假设你已安装好 Docker，我们可以采用如下指令，一键安装好 Ollama + OpenWebUI：

sudo docker run -d -p 1001:8080 -p 1002:11434 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name ollama-webui --restart always ghcr.io/open-webui/open-webui:ollama

上述指令中，我们需要映射两个端口出来：

1001:8080 – webui 的前端界面端口；
1002:11434 – ollama 模型的后端调用端口。

注：如果容器已经在运行，你无法直接修改容器的端口映射。需要停止并删除现有容器，再重新创建。

所以，上述指令中，我们要用 -v 参数来持久化数据，这样重新创建容器就不会导致数据丢失。

浏览器中，输入 your_ip:1001，打开映射的前端界面端口，如果没什么问题，你应该看到如下界面：

注册一个账号后，进来就可以和 LLM 愉快对话了？

NO！Ollana 中还没有部署任何模型~

3.1 大语言模型部署

要安装模型，首先需要进入容器：

sudo docker exec -it ollama-webui /bin/bash

在本地部署大模型?Ollama 部署和实战，看这篇就够了中，为了快速跑通流程，我们采用的 qwen2:0.5B，速度倒是快，不过由于参数量较小，稍微复杂一点的指令，就尴尬了。。。

这次，我们部署 qwen2:7B 来试试（确保至少 8GB 的 RAM）：

root@9345c935de06:/app/backend# ollama run qwen2
pulling manifest 
pulling 43f7a214e532...   2% ▕      ▏  73 MB/4.4 GB  3.2 MB/s  22m43s

稍等片刻，模型下载成功，再去 your_ip:1001 看看吧！终于，大模型已经在你的手机上跑起来了。

除了前端，当然我们还希望能在后端调用大模型。

No Problem，容器中 Ollama 已自动启动后端 API。

我们来写下接口调用示例代码：

def test_ollama():
    url = 'http://localhost:1002/api/chat'
    data = {
        "model": "qwen2",
        "messages": [
            { "role": "user", "content": "why is the sky blue?" }
        ],
        "stream": False
    }
    response = requests.post(url, json=data)
    print(response.text)

请求被拒绝了？已经把主机的 1002 映射到容器的 11434 了啊？

Yes，不过这里有个坑，我们一起来排查下，在容器中执行：

sudo apt update
sudo apt install net-tools
netstat -ntlp

可以看到有两个端口正在被监听：

Proto Recv-Q Send-Q Local Address           Foreign Address         State       PID/Program name    
tcp        0      0 127.0.0.1:11434         0.0.0.0:*               LISTEN      10/ollama           
tcp        0      0 0.0.0.0:8080            0.0.0.0:*               LISTEN      1/python3

但是，有没有发现：容器内的 11434 端口在 127.0.0.1 上监听，这意味着它只接受来自容器内部的请求。因此，你在宿主机上尝试通过映射的 1002 端口访问，无法成功！

怎么解决？

先把 ollama 的进程杀了，然后指定环境变量 OLLAMA_HOST=0.0.0.0，再重新启动！

kill 10
export OLLAMA_HOST=0.0.0.0
nohup ollama serve > log.txt 2>&1 &

再来打开 your_ip:1002 看看吧！

搞定！这时再用上面的示例代码，就可以请求成功了。

如果还希望接入兼容 OpenAI 格式的应用，可以考虑将 Ollama 的模型接入 OneAPI。

不了解 OneAPI 的小伙伴可参考这篇教程：OneAPI-接口管理和分发神器：所有大模型一键封装成OpenAI协议。

我们先用下面指令部署 OneAPI：

sudo docker run --name oneapi -d --restart always -p 1003:3000 -e TZ=Asia/Shanghai -v oneapi:/data justsong/one-api

浏览器中输入 your_ip:1003，进入 OneAPI 管理界面，然后新建一个渠道，名称就叫 ollama，输入你在 ollama 容器中已经安装好的模型：

最后的代理，注意要填主机的 IP 地址，localhost 是不行的。

至此，你的本地大模型，已经无缝兼容 OpenAI 格式的 LLM 应用啦。

3.2 多模态大模型部署

除了众多大模型之外，Ollma 中还集成了视觉多模态模型。

而提到多模态模型，就不得不致敬下 LLaVA，它结合了视觉编码器和大语言模型 Vicuna，可用于通用视觉和语言理解，已更新至 1.6 版本。

Ollma 中一键安装：

ollama run llava

安装成功后，我们来到 WebUI 试试吧：

上面这个简单的任务，足足运行了近 4 分钟！

看来，在端侧跑多模态大模型，还任重道远啊~

接下来，我们来写下后端接口调用示例代码：

def test_llava():
    url = 'http://localhost:1002/api/generate'
    data = {
        "model": "llava",
        "prompt": "What is in this picture?",
        "images": [encode_image('test.png')],
        "stream": False
    }
    response = requests.post(url, json=data)
    print(response.json())

注意：传入的图像，需要使用 base64 编码。

返回结果如下：

{"model":"llava","created_at":"2024-09-10T12:52:53.284208538Z","response":" The image shows a stylized illustration of a pink deer or antelope standing on two legs. It appears to be a cartoon representation, with the animal's body simplified and rendered in shades of pink against a black background. The deer has large eyes, a small nose, and what looks like a tufted tail. ","done":true,"done_reason":"stop","context":[733,],"total_duration":227969591111,"load_duration":32525521,"prompt_eval_count":1,"prompt_eval_duration":197885547000,"eval_count":73,"eval_duration":30043357000}

除了速度不能忍之外，效果还是可以滴~