大家好最近两年大语言模型风靡全球最近不少开源大模型将模型部署到自己的电脑上用个性化的数据微调想必是不少人的愿望这次让我来分享从hugging face上下载部署chatglm3-6b中的经验。1.硬件准备具体参考这条帖子: https://zhuanlan.zhihu.com/p/655948272结论一般RTX 3060 6GB显卡是最小模型的门槛补充“7B”指的是7亿参数。大语言模型参数量是指模型中可调整的参数的数量通常用来衡量模型的大小和复杂程度一般参数量越大的模型性能越强。商业化的模型一般在10B-100B之间chatgpt4 13.3B。我的配置查看方法联想电脑管家鲁大师很勉强为了照顾显卡不行的小伙伴这个帖子先用CPU进行部署2.运算环境准备2.1 安装anaconda什么你还不知道anaconda是啥Conda是一个开源的包、环境管理器可以用于在同一个机器上安装不同版本的软件包及其依赖并能够在不同的环境之间切换。网上已经有很多下载安装教程比如https://blog.csdn.net/ABV09876543210/article/details/101194476https://zhuanlan.zhihu.com/p/647523947备注现在最好python版本安装到3.8或者3.9版本过低后面安装库的时候库的版本会过低。我的报错解析如果你已经安装但在cmd使用conda 却报没有此命令可以看看是不是没加入你的环境变量如何配置环境变量Win11方法在此: https://blog.csdn.net/weixin_46483785/article/details/1311634562.2 配置软件环境用conda create -n env python3.8 命令创建名为“env”的新虚拟环境用activate env或者conda activate env进入新建的虚拟环境前面会出现新环境的名字并在新虚拟环境中使用conda下载下载方法在刚刚conda教程中有transformers4.38.2为啥是这个或者以上的版本后面会考tensorflow和pytorch。Pytorch安装比较麻烦分为CPU版本和GPU版具体教程看这里https://www.jb51.net/python/302744e4p.htm我是使用这个命令安装CPU版的 #安装pytorch conda install pytorch torchvision torchaudio cpuonly -c pytorch。使用conda list可以看见所有下载了的库然后虚拟环境导入到jupyter中这时要保证自己在新的环境中 https://blog.csdn.net/m0_56075892/article/details/130005168 首先要确保环境中有ipykernel ipython 库没有的话进行安装安装ipykernel ipythonpip install ipykernel ipython查看jupyter下面有多少个kernelsjupyter kernelspec listipython kernel install --user --name pytorch1.6(虚拟环境名字)最后进入jupyter notebook,将kernel 调整成对应的虚拟环境将验证安装好了的包新建一个notebook文档然后输入 import torch import transformers 如果没有报错说明你已经安装好了。3.下载大模型Hugging face官网是要科学上网滴https://huggingface.co/ 在网站上chatglm3的官方下载方式是from transformers import AutoTokenizer, AutoModel tokenizer AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue) model AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue).half().cuda()按照它的代码输入你就会报这个错意思是被墙了这咋办解决方法国内镜像https://hf-mirror.com/ https://aliendao.cn/#/ #我用的是这个将所有文件下载到本地后新建文件夹命名在本地加载 https://hf-mirror.com/https://aliendao.cn/#/例如我将其放在这个文件夹下然后通过cd函数将工作路径调整到models文件夹后就可以导入模型了from transformers import AutoTokenizer, AutoModel tokenizer AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue) model AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue).half() model model.eval()response, history model.chat(tokenizer, “你好”, history[]) print(response) 出现这样一句话说明你成功啦你好!我是人工智能助手 ChatGLM-6B,很高兴见到你,欢迎问我任何问题。如果报错DLL load failed while importing _imaging: 找不到指定的模块的解决方法 是你安装的库的版本有问题解决方法可以详见这个帖子https://blog.csdn.net/qq_45510888/article/details/1214468784.更简单,更快的部署方法一键下载安装一键本地部署教程https://zhuanlan.zhihu.com/p/672400265支持以下模型缺点没有中文模型这期到这里结束了读到这里你也发现这个不是一个纯粹的原创帖更多是前人经验的总结归纳和我在走前人教程中遇到的问题希望对大家有帮助。如何系统的去学习大模型LLM 作为一名热心肠的互联网老兵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。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。四、AI大模型商业化落地方案阶段1AI大模型时代的基础理解目标了解AI大模型的基本概念、发展历程和核心原理。内容L1.1 人工智能简述与大模型起源L1.2 大模型与通用人工智能L1.3 GPT模型的发展历程L1.4 模型工程- L1.4.1 知识大模型- L1.4.2 生产大模型- L1.4.3 模型工程方法论- L1.4.4 模型工程实践L1.5 GPT应用案例阶段2AI大模型API应用开发工程目标掌握AI大模型API的使用和开发以及相关的编程技能。内容L2.1 API接口- L2.1.1 OpenAI API接口- L2.1.2 Python接口接入- L2.1.3 BOT工具类框架- L2.1.4 代码示例L2.2 Prompt框架- L2.2.1 什么是Prompt- L2.2.2 Prompt框架应用现状- L2.2.3 基于GPTAS的Prompt框架- L2.2.4 Prompt框架与Thought- L2.2.5 Prompt框架与提示词L2.3 流水线工程- L2.3.1 流水线工程的概念- L2.3.2 流水线工程的优点- L2.3.3 流水线工程的应用L2.4 总结与展望阶段3AI大模型应用架构实践目标深入理解AI大模型的应用架构并能够进行私有化部署。内容L3.1 Agent模型框架- L3.1.1 Agent模型框架的设计理念- L3.1.2 Agent模型框架的核心组件- L3.1.3 Agent模型框架的实现细节L3.2 MetaGPT- L3.2.1 MetaGPT的基本概念- L3.2.2 MetaGPT的工作原理- L3.2.3 MetaGPT的应用场景L3.3 ChatGLM- L3.3.1 ChatGLM的特点- L3.3.2 ChatGLM的开发环境- L3.3.3 ChatGLM的使用示例L3.4 LLAMA- L3.4.1 LLAMA的特点- L3.4.2 LLAMA的开发环境- L3.4.3 LLAMA的使用示例L3.5 其他大模型介绍阶段4AI大模型私有化部署目标掌握多种AI大模型的私有化部署包括多模态和特定领域模型。内容L4.1 模型私有化部署概述L4.2 模型私有化部署的关键技术L4.3 模型私有化部署的实施步骤L4.4 模型私有化部署的应用场景学习计划阶段11-2个月建立AI大模型的基础知识体系。阶段22-3个月专注于API应用开发能力的提升。阶段33-4个月深入实践AI大模型的应用架构和私有化部署。阶段44-5个月专注于高级模型的应用和部署。领取方式我会放在下面希望领取了的朋友不要忘了下方名片放心添加
大家好最近两年大语言模型风靡全球最近不少开源大模型将模型部署到自己的电脑上用个性化的数据微调想必是不少人的愿望这次让我来分享从hugging face上下载部署chatglm3-6b中的经验。1.硬件准备具体参考这条帖子: https://zhuanlan.zhihu.com/p/655948272结论一般RTX 3060 6GB显卡是最小模型的门槛补充“7B”指的是7亿参数。大语言模型参数量是指模型中可调整的参数的数量通常用来衡量模型的大小和复杂程度一般参数量越大的模型性能越强。商业化的模型一般在10B-100B之间chatgpt4 13.3B。我的配置查看方法联想电脑管家鲁大师很勉强为了照顾显卡不行的小伙伴这个帖子先用CPU进行部署2.运算环境准备2.1 安装anaconda什么你还不知道anaconda是啥Conda是一个开源的包、环境管理器可以用于在同一个机器上安装不同版本的软件包及其依赖并能够在不同的环境之间切换。网上已经有很多下载安装教程比如https://blog.csdn.net/ABV09876543210/article/details/101194476https://zhuanlan.zhihu.com/p/647523947备注现在最好python版本安装到3.8或者3.9版本过低后面安装库的时候库的版本会过低。我的报错解析如果你已经安装但在cmd使用conda 却报没有此命令可以看看是不是没加入你的环境变量如何配置环境变量Win11方法在此: https://blog.csdn.net/weixin_46483785/article/details/1311634562.2 配置软件环境用conda create -n env python3.8 命令创建名为“env”的新虚拟环境用activate env或者conda activate env进入新建的虚拟环境前面会出现新环境的名字并在新虚拟环境中使用conda下载下载方法在刚刚conda教程中有transformers4.38.2为啥是这个或者以上的版本后面会考tensorflow和pytorch。Pytorch安装比较麻烦分为CPU版本和GPU版具体教程看这里https://www.jb51.net/python/302744e4p.htm我是使用这个命令安装CPU版的 #安装pytorch conda install pytorch torchvision torchaudio cpuonly -c pytorch。使用conda list可以看见所有下载了的库然后虚拟环境导入到jupyter中这时要保证自己在新的环境中 https://blog.csdn.net/m0_56075892/article/details/130005168 首先要确保环境中有ipykernel ipython 库没有的话进行安装安装ipykernel ipythonpip install ipykernel ipython查看jupyter下面有多少个kernelsjupyter kernelspec listipython kernel install --user --name pytorch1.6(虚拟环境名字)最后进入jupyter notebook,将kernel 调整成对应的虚拟环境将验证安装好了的包新建一个notebook文档然后输入 import torch import transformers 如果没有报错说明你已经安装好了。3.下载大模型Hugging face官网是要科学上网滴https://huggingface.co/ 在网站上chatglm3的官方下载方式是from transformers import AutoTokenizer, AutoModel tokenizer AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue) model AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue).half().cuda()按照它的代码输入你就会报这个错意思是被墙了这咋办解决方法国内镜像https://hf-mirror.com/ https://aliendao.cn/#/ #我用的是这个将所有文件下载到本地后新建文件夹命名在本地加载 https://hf-mirror.com/https://aliendao.cn/#/例如我将其放在这个文件夹下然后通过cd函数将工作路径调整到models文件夹后就可以导入模型了from transformers import AutoTokenizer, AutoModel tokenizer AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue) model AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_codeTrue).half() model model.eval()response, history model.chat(tokenizer, “你好”, history[]) print(response) 出现这样一句话说明你成功啦你好!我是人工智能助手 ChatGLM-6B,很高兴见到你,欢迎问我任何问题。如果报错DLL load failed while importing _imaging: 找不到指定的模块的解决方法 是你安装的库的版本有问题解决方法可以详见这个帖子https://blog.csdn.net/qq_45510888/article/details/1214468784.更简单,更快的部署方法一键下载安装一键本地部署教程https://zhuanlan.zhihu.com/p/672400265支持以下模型缺点没有中文模型这期到这里结束了读到这里你也发现这个不是一个纯粹的原创帖更多是前人经验的总结归纳和我在走前人教程中遇到的问题希望对大家有帮助。如何系统的去学习大模型LLM 作为一名热心肠的互联网老兵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。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。四、AI大模型商业化落地方案阶段1AI大模型时代的基础理解目标了解AI大模型的基本概念、发展历程和核心原理。内容L1.1 人工智能简述与大模型起源L1.2 大模型与通用人工智能L1.3 GPT模型的发展历程L1.4 模型工程- L1.4.1 知识大模型- L1.4.2 生产大模型- L1.4.3 模型工程方法论- L1.4.4 模型工程实践L1.5 GPT应用案例阶段2AI大模型API应用开发工程目标掌握AI大模型API的使用和开发以及相关的编程技能。内容L2.1 API接口- L2.1.1 OpenAI API接口- L2.1.2 Python接口接入- L2.1.3 BOT工具类框架- L2.1.4 代码示例L2.2 Prompt框架- L2.2.1 什么是Prompt- L2.2.2 Prompt框架应用现状- L2.2.3 基于GPTAS的Prompt框架- L2.2.4 Prompt框架与Thought- L2.2.5 Prompt框架与提示词L2.3 流水线工程- L2.3.1 流水线工程的概念- L2.3.2 流水线工程的优点- L2.3.3 流水线工程的应用L2.4 总结与展望阶段3AI大模型应用架构实践目标深入理解AI大模型的应用架构并能够进行私有化部署。内容L3.1 Agent模型框架- L3.1.1 Agent模型框架的设计理念- L3.1.2 Agent模型框架的核心组件- L3.1.3 Agent模型框架的实现细节L3.2 MetaGPT- L3.2.1 MetaGPT的基本概念- L3.2.2 MetaGPT的工作原理- L3.2.3 MetaGPT的应用场景L3.3 ChatGLM- L3.3.1 ChatGLM的特点- L3.3.2 ChatGLM的开发环境- L3.3.3 ChatGLM的使用示例L3.4 LLAMA- L3.4.1 LLAMA的特点- L3.4.2 LLAMA的开发环境- L3.4.3 LLAMA的使用示例L3.5 其他大模型介绍阶段4AI大模型私有化部署目标掌握多种AI大模型的私有化部署包括多模态和特定领域模型。内容L4.1 模型私有化部署概述L4.2 模型私有化部署的关键技术L4.3 模型私有化部署的实施步骤L4.4 模型私有化部署的应用场景学习计划阶段11-2个月建立AI大模型的基础知识体系。阶段22-3个月专注于API应用开发能力的提升。阶段33-4个月深入实践AI大模型的应用架构和私有化部署。阶段44-5个月专注于高级模型的应用和部署。领取方式我会放在下面希望领取了的朋友不要忘了下方名片放心添加
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
