大模型本地化部署了大模型？LLaMA本地稳定部署
先看一下效果
介绍
LLaMA（large language Model AI）：开源高效的大语言模型。以 GPT-3 为代表的大语言模型 (Large language models, LLMs) 在海量文本集合上训练，展示出了惊人的涌现能力以及零样本迁移和少样本学习能力。
注意，本教程需要使用一些特殊的网络环境，没有的话建议看一下我之前的文章：
https://blog.starchen.top/vpn%e7%9a%84%e4%bb%8b%e7%bb%8d%e5%92%8c%e4%bd%bf%e7%94%a8/
安装 Ollama
Ollama：这是一个能离线跑本地大模型的工具。从 Ollama 官网下载，
https://ollama.com/
运行，点击安装 Ollama 命令行，然后在命令行测试 Ollama 是否已正常运行：
$ ollama -v``ollama version is 0.3.13
下载大语言模型
在安装完Ollama之后，尝试使用Ollama中的模型，发现无法安装。
所以使用中文的大语言模型，我这边是直接下载了8B参数的大模型，选择一个 GGUF 格式的模型，GGUF 格式是 llama.cpp 团队搞的一种模型存储格式，一个模型就是一个文件，方便下载。
https://huggingface.co/shenzhi-wang/Llama3.1-8B-Chinese-Chat/tree/main/gguf
如果你想用别的大模型，在 HuggingFace 的 model 找到 llama3，设置 Languages 为 Chinese，可以看到若干基于 LLaMa3 的中文模型。
点击 Files，可以看到若干 GGUF 文件，其中，q 越大说明模型质量越高，同时文件也更大。
我这边是直接使用了最大16G的模型。
直接下载到了硬盘，电脑实在是不敢装这么大的文件。
导入模型
下载到本地的模型文件不能直接导入到 Ollama，需要编写一个配置文件，随便起个名字，如 config.txt，配置文件内容如下：
FROM "E:\大模型\llama3.1_8b_chinese_chat_f16.gguf"` `TEMPLATE """{{- if .System }}``<|im_start|>system {{ .System }}<|im_end|>``{{- end }}``<|im_start|>user``{{ .Prompt }}<|im_end|>``<|im_start|>assistant``"""` `SYSTEM """"""` `PARAMETER stop <|im_start|>``PARAMETER stop <|im_end|>
第一行要改成下载好的模型的地址，需要修改为实际路径，后面的模板内容是网上复制的，无需改动。
然后，命令行里使用以下命令导入模型：
$ ollama create llama3-cn -f ./config.txt
建议把**./config.txt**修改为绝对路径。
llama3-cn 是我们给模型起的名字，成功导入后可以用 list 命令查看：
$ ollama list``NAME ID SIZE MODIFIED``llama3-cn:latest f3fa01629cab 6.6 GB 2 minutes ago
可以下载多个模型，给每个模型写一个配置文件（仅需修改路径），导入时起不同的名字，我们就可以用 Ollama 方便地运行各种模型。
运行模型
使用 Ollama 的 run 命令可以直接运行模型。输入命令 ollama run llama3-cn：
出现 >>> 提示符时就可以输入问题与模型交互。输入 /exit 退出。
也可以通过 API 来访问，命令行可以试着输入
curl -X POST http://localhost:11434/api/generate -d "{\"model\": \"llama3-cn\", \"prompt\": \"good morning\"}"
搭建 Web 环境
到了上面一步，本地搭建大语言模型也就成功了，也可以正常使用了。
接下来可以搭建到web环境，公网使用。
在Windows系统下，没办法使用webui，所以直接下载了个最简单的nextchat 客户端
https://github.com/ChatGPTNextWeb/ChatGPT-Next-Web
点击 release 里面，点击 show all assets，就可以看到多端的 nextchat 文件了。
安装完成后，进行一下设置，在设置里选择模型服务商，可以看到主流的大模型基本都支持，我们本地部署的 llama3 也是提供了 API 接口的，和 openai 的完全通用，你可以点击文档来查看接口详情
https://github.com/ollama/ollama/blob/main/docs/api.md
把接口地址改为 http://localhost:11434，然后自定义模型名称改为我们刚才设置的 llama3-cn，保存后，本地就可以完美使用大模型了，没有任何限制，直接就可以使用。
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🆓↓↓↓
👉👈
