llama2.c与chinese-baby-llama2语言模型本地部署推理

简介

llama2.c是一个极简的Llama 2 LLM全栈工具，使用一个简单的 700 行 C 文件 ( run.c ) 对其进行推理。llama2.c涉及LLM微调、模型构建、推理端末部署（量化、硬件加速）等众多方面，是学习研究Open LLM的很好切入点。

Github

• https://github.com/karpathy/llama2.c

文档

• https://llama.meta.com/

克隆源码

git clone https://github.com/karpathy/llama2.c.git

英文模型

• https://huggingface.co/datasets/roneneldan/TinyStories

# 15M参数模型
wget https://huggingface.co/karpathy/tinyllamas/resolve/main/stories15M.bin
# 42M参数模型
wget https://huggingface.co/karpathy/tinyllamas/resolve/main/stories42M.bin
# 110M参数模型
wget https://huggingface.co/karpathy/tinyllamas/resolve/main/stories110M.bin

编译运行

make run
# 15M参数模型
./run stories15M.bin
# 42M参数模型，运行并输入提示词
./run stories42M.bin -i "One day, Lily met a Shoggoth"

中文模型（280M）

• https://huggingface.co/flyingfishinwater/chinese-baby-llama2
  

# 下载模型
git clone https://huggingface.co/flyingfishinwater/chinese-baby-llama2

• 百度网盘下载：https://pan.baidu.com/s/1bqO6bii5pxMu6dEL8ZOUWQ?pwd=p6hs

• 安装 python 相关依赖

pip3 install numpy
pip3 install torch torchvision torchaudio
pip3 install transformers

• 将模型hf格式转换为bin格式

# 将hf模型文件转换成.bin文件
python export.py ./chinese-baby-llama2.bin --hf ./chinese-baby-llama2

• 修改 llama2.c/run.c

// 将 main() 中的 tokenizer.bin 改为 chinese-baby-llama2 目录下的tokenizer.bin
char *tokenizer_path = "chinese-baby-llama2/tokenizer.bin";

• 编译 c

make run

• 运行并输入提示词

./run chinese-baby-llama2.bin -i "今天是武林大会，我是武林盟主"

main函数

• 默认参数设置： 定义了一些默认参数值，例如模型路径、分词器路径、温度、top-p 值、步数等。
• 命令行参数解析： 通过检查命令行参数，更新默认参数值。命令行参数的格式为 flag value，例如 -t 0.5 表示设置温度为 0.5。
• 参数验证和覆盖： 对解析后的参数进行验证和覆盖。例如，确保随机数种子大于 0、温度在合理范围内、步数为非负数等。
• 构建 Transformer 模型： 使用给定的模型文件构建 Transformer 模型，并根据需要调整步数。
• 构建 Tokenizer： 使用给定的分词器文件构建 Tokenizer。
• 构建 Sampler： 构建 Sampler，并设置相应的参数，如词汇表大小、温度、top-p 值等。
• 执行功能： 根据模式选择执行生成或者聊天功能。如果模式是 generate，则执行生成功能；如果是 chat，则执行聊天功能。
• 内存和文件句柄清理： 释放动态分配的内存和关闭文件句柄，确保程序执行结束时资源被正确释放。