【个人笔记本】本地化部署详细流程 LLaMA中文模型：Chinese-LLaMA-Alpaca-2

不推荐小白，环境配置比较复杂

全部流程

• 下载原始模型：Chinese-LLaMA-Alpaca-2
• linux部署llamacpp环境
• 使用llamacpp将Chinese-LLaMA-Alpaca-2模型转换为gguf模型
• windows部署Text generation web UI 环境
• 使用Text generation web UI 加载模型并进行对话

准备工作

1. 笔记本环境：

   • 操作系统：win11
   • CPU：AMD R7535HS
   • GPU：笔记本4060显卡
   • CUDA版本：11.8
   • VM虚拟机：Ubuntu16
     
     

2. 下载模型和部署环境全程需要挂梯子

下载原始模型

原项目链接：https://github.com/ymcui/Chinese-LLaMA-Alpaca-2

下载Chinese-Alpaca-2-7B模型即可，百度网盘不需要挂梯子，其他都需要梯子

linux部署llamacpp环境

原项目链接：https://github.com/ggerganov/llama.cpp
原文档链接：https://github.com/ymcui/Chinese-LLaMA-Alpaca-2/wiki/llamacpp_zh

Step 1: 安装python3.10

sudo apt update
sudo apt install python3.10

Step 2: 克隆和编译llama.cpp

1. 拉取最新版llama.cpp仓库代码

   # 要安装git+梯子
   git clone https://github.com/ggerganov/llama.cpp
   

   或者

   #浏览器挂梯子打开https://github.com/ggerganov/llama.cpp
   #下载项目
   #解压缩项目到本地
   

2. 对llama.cpp项目进行编译，生成./main（用于推理）和./quantize（用于量化）二进制文件

   cd 解压缩项目路径
   make
   

Step 3: 生成量化版本模型

1. 创建目录并拷贝模型到项目目录：zh-models/7B/

2. 将Chinese-LLaMA-Alpaca-2模型转换为gguf模型

   #根目录
   python convert.py zh-models/7B/
   

3. 将生成的fp16格式的gguf模型进行4-bit量化

   ./quantize ./zh-models/7B/ggml-model-f16.gguf ./zh-models/7B/ggml-model-q4_0.gguf q4_0
   

Step 4: 加载并启动模型

到这一步其实可以用llama.cpp的加载模型方式对话了
但我用的虚拟机，性能有限，故而使用Text generation web UI 加载模型，具体如何加载建议看原文档和项目说明

windows部署Text generation web UI 环境

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

Step 1: 下载安装Miniconda3_py310

链接：https://repo.anaconda.com/miniconda/Miniconda3-py310_23.3.1-0-Windows-x86_64.exe

Step 2: 克隆项目到本地

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

Step 3: 打开Miniconda3命令行，建立新conda环境

conda create -n textgen

Step 4: 下载安装相关的python各类环境库

有github链接的必须手动下载whl,再pip安装whl的绝对位置

conda activate textgen
cd 项目位置
pip install env/bitsandbytes-0.41.1-py3-none-win_amd64.whl
pip install E:\AI\环境第三方库\auto_gptq-0.4.2+cu117-cp310-cp310-win_amd64.whl

https://github.com/jllllll/exllama/releases/download/0.0.17/exllama-0.0.17+cu117-cp310-cp310-win_amd64.whl
pip install E:\AI\环境第三方库\exllama-0.0.17+cu117-cp310-cp310-win_amd64.whl

pip install llama-cpp-python==0.1.84

https://github.com/jllllll/llama-cpp-python-cuBLAS-wheels/releases/download/textgen-webui/llama_cpp_python_cuda-0.1.84+cu117-cp310-cp310-win_amd64.whl
pip install E:\AI\环境第三方库\llama_cpp_python_cuda-0.1.84+cu117-cp310-cp310-win_amd64.whl

https://github.com/jllllll/GPTQ-for-LLaMa-CUDA/releases/download/0.1.0/gptq_for_llama-0.1.0+cu117-cp310-cp310-win_amd64.whl
pip install E:\AI\环境第三方库\gptq_for_llama-0.1.0+cu117-cp310-cp310-win_amd64.whl

https://github.com/jllllll/ctransformers-cuBLAS-wheels/releases/download/AVX2/ctransformers-0.2.25+cu117-py3-none-any.whl
pip install E:\AI\环境第三方库\ctransformers-0.2.25+cu117-py3-none-any.whl

pip install -r requirements.txt -i 换源

Step 5: 启动web服务

conda activate textgen
cd E:/AI/项目/text-generation-webui-main
python server.py

使用Text generation web UI 加载模型并进行对话

1. 打开生成的url网址
2. 加载本地模型
3. 对话即可