克雷西 发自 凹非寺
量子位 | 公众号 QbitAI
Meta的大语言模型LLaMA 13B,现在用2060就能跑了~
羊驼家族的Alpaca和Vicuna也都能运行,显存最低只需要6G,简直是低VRAM用户的福音有木有。
GitHub上的搭建教程火了之后,网友们纷纷跑来问苹果M2是不是也能跑。
这通操作的大致原理是利用最新版CUDA,可以将Transformer中任意数量的层放在GPU上运行。
与此前llama.cpp项目完全运行在CPU相比,用GPU替代一半的CPU可以将效率提高将近2倍。
而如果纯用GPU,这一数字将变成6倍。
网友实测的结果中,使用CPU每秒能跑2.1个token,而用GPU能跑3.2个。
生成的内容上,开发者成功用它跑出了“尼采文学”。
如何操作
在开始搭建之前,我们需要先申请获得LLaMA的访问权限。
传送门:https://ai.facebook.com/blog/large-language-model-llama-meta-ai/
此外还需要有一个Linux环境。(Windows用户可以用WSL2)
准备工作完成之后,第一步是将llama.cpp克隆到本地。
1git clonehttps: //github.com/ggerganov/llama.cpp.git
2cd llama.cpp
3pacman -S cuda //make sure you have CUDA installed
4make LLAMA_CUBLAS= 1
如果没有安装CUDA,可以参考下面的步骤:
1wget https: //developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
2sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin -600
3wget https: //developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_amd64.deb
4sudo dpkg -i cuda-repo-wsl-ubuntu -12-1-local_12 .1.1-1_amd64.deb
5sudo cp / var/cuda-repo-wsl-ubuntu -12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
6sudo apt- getupdate
7sudo apt- get-y install cuda
然后是建立micromamba环境,安装Python和PyTorch等工具。
接着需要在micromamba环境下安装一些包:
1exportMAMBA_ROOT_PREFIX=(自定义安装路径)
2eval" $(micromamba shell hook --shell=bash)"
3micromamba create -n mymamba
4micromamba activate mymamba
5micromamba install -c conda-forge -n mymamba pytorch transformers sentencepiece
然后运行Python脚本以执行转换过程:
1python convert.py ~ /ai/Safe-LLaMA-HF-v2 (4-04-23)/llama-13b/
之后将其量化为4bit模式。
1./quantize ~ /ai/Safe-LLaMA-HF-v2 ( 4-04-23)/llama -13b/ggml-model-f16.bin ~ /ai/Safe-LLaMA-HF-v2 ( 4-04-23)/llama -13b/ggml-model -13b-q4_0 -2023_14_5.bin q4_0 8
接着是新建一个txt文本文档,把提示词输入进去,然后就可以运行了。
1./main -ngl 18-m ~ /ai/Safe-LLaMA-HF-v2 ( 4-04-23)/llama -13b/ggml-model -13b-q4_0 -2023_14_5.bin -f 文档名称.txt -n 2048q4_0 8
这步当中-ngl后面的数字是可以修改的,它代表了转换层的数量。
当该值为18时,运行中消耗的VRAM为5.5GB,根据显存的大小最高可以调至40。
网友:AMD不配吗
这一教程出现之后,网友们的新玩具又增加了。
“苦OpenAI久矣”的网友更是感觉仿佛找到了光。
这位网友就表示自己太期待在自己的设备上运行LLM了,宁愿花5千美元购置设备也不想给OpenAI交一分钱。
但AMD用户可能就不那么兴奋了,甚至透露出了嫉妒之情。
这套方法要用到CUDA(英伟达专用),所以AMD是不配了吗?
那么,你期待用自己的设备跑大语言模型吗?
— 完—
「人工智能」、「智能汽车」微信社群邀你加入!
欢迎关注人工智能、智能汽车的小伙伴们加入交流群,与AI从业者交流、切磋,不错过最新行业发展&技术进展。
PS. 加好友请务必备注您的姓名-公司-职位噢 ~
点这里 关注我,记得标星哦~
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~