本地/笔记本/纯 cpu 部署、使用类 gpt 大模型

使用 web UI + 大模型文件，即可在笔记本上部署、使用类 gpt 大模型。

1. 安装 web UI

1.1. 下载代码库

https://github.com/oobabooga/text-generation-webui

1.2. 创建 conda 环境

conda create -n textgen python=3.11
conda activate textgen

1.3. 安装 pytorch

文档：https://github.com/oobabooga/text-generation-webui#2-install-pytorch

System	GPU	Command
Linux/WSL	NVIDIA	pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
Linux/WSL	CPU only	pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
Linux	AMD	pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.6
MacOS + MPS	Any	pip3 install torch torchvision torchaudio
Windows	NVIDIA	pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
Windows	CPU only	pip3 install torch torchvision torchaudio

如果是 nvidia 显卡，需执行以下命令：

conda install -y -c "nvidia/label/cuda-12.1.0" cuda-runtime

1.4. 安装 pip 库

文档：https://github.com/oobabooga/text-generation-webui#3-install-the-web-ui

pip install -r <requirements file according to table below>

GPU	CPU	requirements file to use
NVIDIA	has AVX2	requirements.txt
NVIDIA	no AVX2	requirements_noavx2.txt
AMD	has AVX2	requirements_amd.txt
AMD	no AVX2	requirements_amd_noavx2.txt
CPU only	has AVX2	requirements_cpu_only.txt
CPU only	no AVX2	requirements_cpu_only_noavx2.txt
Apple	Intel	requirements_apple_intel.txt
Apple	Apple Silicon	requirements_apple_silicon.txt

如果是 linux ，需按照以下步骤才可以使用 cuda 加速的 llama 后端：

# 注释 requirements.txt 中安装 llama_cpp_python_cuda 的行
pip install -r requirements.txt
export LLAMA_CUBLAS=1
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python

2. 下载大模型

2.1. 搜索大模型

Models - Hugging Face：https://huggingface.co/models

Hugging Face 是深度学习里最活跃的开源社区之一，提供了许多开源模型量化版本的下载。

• 量化：将模型权重中的 float 替换为 int 等数据类型，损失一小部分精度，但大量减少模型文件大小、内存占用、计算开销。

在页面搜索需要的模型，建议勾选 Libraries 选项中的 transformers 或 GGUF 后搜索，例如搜索模型名 Llama-2-7B-GGUF。

• 其中 7B 代表模型的参数量 7 billion（常见参数量有 7b ， 13b ， 70b），参数量越大，模型精度越高，即对话质量越高。
• transformers 是一种大模型的格式，勾选后也会包含 GPTQ 量化格式的模型。
• GPTQ 是一种量化大模型的格式，示例模型名为 Llama-2-7B-GPTQ
• GGUF 是另一种量化大模型的格式，示例模型名为 Llama-2-7B-GGUF
• GPTQ 和 GGUF 是最常用、好用的量化模型格式

2.2. 下载模型文件

2.2.1. 下载 GGUF 模型文件

在具体模型页面的 Provided files 部分（以 https://huggingface.co/TheBloke/Llama-2-7B-GGUF#provided-files 为例）可以看到该模型的不同量化版本、文件大小、预计内存占用、推荐与否。点击具体量化版本的模型即可下载。

最后将下载的模型文件保存在本地 text-generation-webui 的 models 文件夹里即可。

2.2.2. 下载 GPTQ 模型文件

在具体模型页面的 Files and versions 页面（以 https://huggingface.co/TheBloke/Llama-2-13B-GPTQ/tree/main 为例），点击 clone repository 即可看到下载命令如下：

# Make sure you have git-lfs installed (https://git-lfs.com)
git lfs install
git clone https://huggingface.co/TheBloke/Llama-2-13B-GPTQ

# if you want to clone without large files – just their pointers
# prepend your git clone with the following env var:
GIT_LFS_SKIP_SMUDGE=1

• LFS ：git clone 命令很可能无法成功下载模型库中的 LF（large file），可以在 clone 了其他文件后，单独下载标有 LFS 的文件。

最后同样将下载的模型库保存在本地 text-generation-webui 的 models 文件夹里即可。

补充参考文章——git lfs使用（huggingface下载大模型文件）：
https://blog.csdn.net/flyingluohaipeng/article/details/130788293

2.3 额外推荐

Hugging Face 用户 TheBloke: https://huggingface.co/TheBloke

TheBloke 是 hugging face 社区的一个用户， ta 提供了许多预量化大模型的下载。

3. 使用 web UI

3.1. 运行 UI 界面

打开 conda 命令行窗口，运行以下命令，并保持窗口开启：

conda activate textgen
cd text-generation-webui
python server.py --trust-remote-code --listen

• --trust-remote-code ：部分 GPTQ 模型的加载需要启用该选项
• --listen：监听局域网访问，即使得其他设备可以通过 ip 访问网页 ui，未开启时只能本机通过 127.0.0.1:7860 访问

3.2. 加载 GPTQ 模型

打开 127.0.0.1:7860 网页链接，model 页面，按上图进行模型加载即可（大概需要几十秒），随后即可进行对话。

GPTQ 模型加载具体文档：https://github.com/oobabooga/text-generation-webui/wiki/04-‐-Model-Tab#transformers

3.3. 加载 GGUF 模型

打开 127.0.0.1:7860 网页链接，model 页面，按上图进行模型加载即可（大概需要几十秒），随后即可进行对话。

GGUF 模型加载具体文档：https://github.com/oobabooga/text-generation-webui/wiki/04-‐-Model-Tab#llamacpp

3.3. 进行对话

打开 chat 页面，即可进行对话。

• 在对话框左侧菜单中有 “开始新对话” 等操作
• 需注意，大部分模型默认语言为英文，不支持中文对话（可在模型页面查看详情）
• 需注意，本地模型无法像 chat-gpt 一样联网访问信息

4. 探索更多

• 中文 Awesome-LLM ：https://github.com/HqWu-HITCS/Awesome-Chinese-LLM