大模型部署工具 llama.cpp 介绍与安装使用_llama cpp

1. 大模型部署工具 llama.cpp

大模型的研究分为训练和推理两个部分。训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化，推理结果最优化的过程。训练完成之后，模型的参数就固定了，这时候就可以使用模型进行推理，对外提供服务。

llama.cpp（https://github.com/ggerganov/llama.cpp） 主要解决的是推理过程中的性能问题。主要有两点优化：

• llama.cpp 使用的是 C 语言写的机器学习张量库 ggml

• llama.cpp 提供了模型量化的工具

计算类 Python 库的优化手段之一就是使用 C 重新实现，这部分的性能提升非常明显。另外一个是量化，量化是通过牺牲模型参数的精度，来换取模型的推理速度。llama.cpp 提供了大模型量化的工具，可以将模型参数从 32 位浮点数转换为 16 位浮点数，甚至是 8、4 位整数。

除此之外，llama.cpp 还提供了服务化组件，可以直接对外提供模型的 API 。

2. 使用 llama.cpp 量化模型

2.1 下载编译 llama.cpp

克隆代码，编译 llama.cpp

git clone https://github.com/ggerganov/llama.cpp``cd llama.cpp``make
1

在目录下会生成一系列可执行文件：

• main：使用模型进行推理

• quantize：量化模型

• server：提供模型 API 服务

• …

2.2 准备 llama.cpp 支持的模型

llama.cpp 支持转换的模型格式有 PyTorch 的 .pth 、huggingface 的 .safetensors 、还有之前 llama.cpp 采用的 ggmlv3。

在 huggingface 上找到合适格式的模型，下载至 llama.cpp 的 models 目录下。

git clone https://huggingface.co/4bit/Llama-2-7b-chat-hf ./models/Llama-2-7b-chat-hf
1

2.3 转换为 GGUF 格式

1. 安装依赖

llama.cpp 项目下带有 requirements.txt 文件，直接安装依赖即可。

pip install -r requirements.txt
1

1. 转换模型

python convert.py ./models/Llama-2-7b-chat-hf --vocabtype spm``   ``params = Params(n_vocab=32000, n_embd=4096, n_mult=5504, n_layer=32, n_ctx=2048, n_ff=11008, n_head=32, n_head_kv=32, f_norm_eps=1e-05, f_rope_freq_base=None, f_rope_scale=None, ftype=None, path_model=PosixPath('models/Llama-2-7b-chat-hf'))``Loading vocab file 'models/Llama-2-7b-chat-hf/tokenizer.model', type 'spm'``...``Wrote models/Llama-2-7b-chat-hf/ggml-model-f16.gguf
1

vocabtype 指定分词算法，默认值是 spm，如果是 bpe，需要显示指定。

2.4 开始量化模型

quantize 提供各种精度的量化。

./quantize``   ``usage: ./quantize [--help] [--allow-requantize] [--leave-output-tensor] model-f32.gguf [model-quant.gguf] type [nthreads]``   `  `--allow-requantize: Allows requantizing tensors that have already been quantized. Warning: This can severely reduce quality compared to quantizing from 16bit or 32bit`  `--leave-output-tensor: Will leave output.weight un(re)quantized. Increases model size but may also increase quality, especially when requantizing``   ``Allowed quantization types:`   `2  or  Q4_0   :  3.56G, +0.2166 ppl @ LLaMA-v1-7B`   `3  or  Q4_1   :  3.90G, +0.1585 ppl @ LLaMA-v1-7B`   `8  or  Q5_0   :  4.33G, +0.0683 ppl @ LLaMA-v1-7B`   `9  or  Q5_1   :  4.70G, +0.0349 ppl @ LLaMA-v1-7B`  `10  or  Q2_K   :  2.63G, +0.6717 ppl @ LLaMA-v1-7B`  `12  or  Q3_K   : alias for Q3_K_M`  `11  or  Q3_K_S :  2.75G, +0.5551 ppl @ LLaMA-v1-7B`  `12  or  Q3_K_M :  3.07G, +0.2496 ppl @ LLaMA-v1-7B`  `13  or  Q3_K_L :  3.35G, +0.1764 ppl @ LLaMA-v1-7B`  `15  or  Q4_K   : alias for Q4_K_M`  `14  or  Q4_K_S :  3.59G, +0.0992 ppl @ LLaMA-v1-7B`  `15  or  Q4_K_M :  3.80G, +0.0532 ppl @ LLaMA-v1-7B`  `17  or  Q5_K   : alias for Q5_K_M`  `16  or  Q5_K_S :  4.33G, +0.0400 ppl @ LLaMA-v1-7B`  `17  or  Q5_K_M :  4.45G, +0.0122 ppl @ LLaMA-v1-7B`  `18  or  Q6_K   :  5.15G, -0.0008 ppl @ LLaMA-v1-7B`   `7  or  Q8_0   :  6.70G, +0.0004 ppl @ LLaMA-v1-7B`   `1  or  F16    : 13.00G              @ 7B`   `0  or  F32    : 26.00G              @ 7B
1

执行量化命令

./quantize ./models/Llama-2-7b-chat-hf/ggml-model-f16.gguf ./models/Llama-2-7b-chat-hf/ggml-model-q4_0.gguf Q4_0``   ``llama_model_quantize_internal: model size  = 12853.02 MB``llama_model_quantize_internal: quant size  =  3647.87 MB``llama_model_quantize_internal: hist: 0.036 0.015 0.025 0.039 0.056 0.076 0.096 0.112 0.118 0.112 0.096 0.077 0.056 0.039 0.025 0.021
1

量化之后，模型的大小从 13G 降低到 3.6G，但模型精度从 16 位浮点数降低到 4 位整数。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-

---

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Guff_9hys/article/detail/791662