【AI大模型】llama.cpp模型量化（本地） + ollama部署（docker）（超详细实况二）
前言
上一篇我们完成了模型的微调和导出，但是模型文件我们是不好直接使用了，为了在本地也能随时使用，因此我们还需要对微调后的模型文件做一些操作
1.llama.cpp
1.1 c++编译工具准备
为此我们需要借助llama.cpp对模型文件进行量化，经由llama.cpp量化后的模型（以llama3.1-8b指令微调版为例）即使是在个人消费级显卡也能顺利运行
llama.cpp是由C++编写的，因此为了在本地使用，首先我们需要下载VisualStudio，地址
下载这个安装器后双击打开，选择这个C++ 桌面开发工具确认安装即可，安装后需要重启电脑
在命令行输入cmake检验
1.2 本地编译llama.cpp
建议单独建立文件夹存放llama.cpp
git clone https://github.com/ggerganov/llama.cpp.git
-编译-
cd llama.cpp
mkdir build #创建build文件夹
cd build
cmake --build . --config Release
中途会有大量的警告，只要没有出现红色报错一般是没有关系的，大概五分钟后完成编译
打开本地文件查看
D:\llama.cpp\build\bin\Release
到这里恭喜完成llama.cpp的构建
2.量化
接下来我们将使用llama.cpp对微调后的模型文件进行量化
启动虚拟环境，使用之前的cmd窗口（路径在llama.cpp\build\bin\Release下）
conda activate 你的虚拟环境 #我这边是factory_env
首先是转换，运行转换命令
python convert_hf_to_gguf.py 此前导出的模型文件地址
# 因为llama.cpp是本地构建所以需要输入本地文件路径
转换完成我们可以看到会生成一个新的GGUF文件
这是一个16位的GGUF，但我们还需要进行量化以供ollama调用
新建目标存储文件夹 xxx，运行量化命令
D:\llama.cpp\build\bin\Release\llama-quantize.exe 转换的16位gguf文件 目标文件夹\量化后文件名 Q4_K_M
# D:\llama.cpp\build\bin\Release\llama-quantize.exe 量化脚本
# 转换的16位gguf文件 转换后的16位gguf地址
# 目标文件夹\量化后文件名
# Q4_K_M 设置量化类型
ollama部署
我这里是放入了ollama映射的本地文件夹内，也可以生成后手动剪切到您ollama设置的映射文件夹下，新建Modelfile.txt文件
然后在Modelfile中写入gguf文件在docker镜像的相对路径
当然也可以写入一些模版和回答的设置
ollama自定义构建model
进入ollama的docker镜像
docker exec -it ollama的镜像名 /bin/bash
cd 目标文件夹映射路径 #即四位GGUF文件存放路径
ls # 查询目录 （应该只包含txt文件和gguf文件各一个）
ollama create 自定义名字 -f Modelfile.txt #生成
查看ollama创建列表
运行模型
ollama run 模型文件名
量化和部署到此完成啦，后续会继续更新anythingllm可视化的调用~
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉👈
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
LLM大模型学习路线 ↓
阶段1：AI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2：AI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
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI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
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI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
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉👈
