在自己笔记本上部署Llama 3,定制自己的大模型应用

ThinkPad T14也能跑AI?手把手教你用CPU+32G内存部署Vicuna小羊驼模型(附避坑指南) 本文详细介绍了如何在仅有集成显卡的ThinkPad T14商务本上,利用其32GB大内存和CPU,成功部署并运行Vicuna-13B(小羊驼)开源AI模型。文章提供了从硬件评估、软件环境搭建、模型选择到实战部署与优化的完整避坑指南,证明了无需高端显卡也能在本地获得接近ChatGPT 3.5水平的AI助手,为商务办公场景提供了隐私安全、离线可用的AI解决方案。 阅读详情

当前的大模型是人工智能领域的突破性成果,它们通过海量数据训练,具备强大的学习和泛化能力。这些模型在语言理解、图像识别等多个领域展现出卓越的性能,极大地推动了人工智能技术的发展和应用。

Meta公司最近推出的大模型Llama 3是一个具有里程碑意义的开源大模型,包含80亿和700亿参数版本。它在多项任务上性能领先,使用超过15万亿token的训练数据集,具备先进的推理和代码能力。Llama 3还引入了安全工具,未来将推出更多版本,增强多模态和多语言对话能力。

Llama 3具有卓越的性能,最重要的是,Llama3大大降低了对算力硬件的要求,我们能够在自己的个人电脑上部署运行。通过Ollama的server接口,完全可以做一个自己的大模型定制应用。

下面就在自己的个人笔记本上下载部署一套llama3大模型,验证一下llama3大模型的能力。

(1)下载大模型管理Ollama

现在Ollama已经提供了Windows版本,要求Windows 10及以上版本。我得笔记本是华为Matebook D 14,i5处理器,16G内存。

Ollama下载地址:Download Ollama on Windows

在这里插入图片描述

下载Windows版本,下载完成后直接安装。现在的Ollama Windows安装版本有一缺点,不能选择安装目录,直接安装在系统的users目录下。

在这里插入图片描述

(2)运行Ollama下载llama3

运行命令:Ollama run llama3,直接下载llama3大模型,模型大约4.7G,需要耐心等待一段时间。

在这里插入图片描述

下载完成后,即进入与llama3大模型终端会话状态,你就可以对大模型进行提问。下面是让大模型帮着写一个java的爬虫程序。

在这里插入图片描述

Llama3大模型运行,对系统的资源占用还是比较高,要求笔记本的性能要号一点,否则估计是跑不动。

在这里插入图片描述

在这里插入图片描述

(3)定制自己的应用

Ollama提供了REST API与本地部署的大模型,如本例中的llama3,进行交互,使用命令 ollama serve 启动本地服务器​​​​​​,就可以通过API调用本地部署的大模型,然后在API基础上定制自己的大模型应用了。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

基于Llama 3搭建中文版(Llama3-Chinese-Chat)大模型对话聊天机器人 前面两篇博文,我们在笔记本部署了Llama 3 8B大模型,使用Ollama搭建了基于Web 可视化对话机器人。在使用过程中,大模型经常出现中文问题英文回答的问题。本博文就用Llama3-Chinese-Chat微调模型来解决这个问题…… 阅读详情

相关推荐

使用 llama.cpp 在本地部署 AI 大模型的一次尝试

2023年被誉为AIGC元年,随着技术浪潮,人们开始对人工智能的发展产生担忧。文章介绍了使用llama.cpp在本地部署AI大模型的过程,包括编译、量化和模型下载。通过对不同模型的体验,展示了其运行效果和评估。最后,将ChatGPT-Next-Web与llama.cpp结合,展示了本地部署AI大模型的潜力。整体讲述了私有化部署AI大模型的重要性和实践过程。

素履独行 | 元培的个人博客 3474

【NLP】Llama & Alpaca大模型

Llama是一款基于GPT-3模型的自然语言处理框架,它可以支持中文,但需要使用中文训练数据来微调模型。Llama提供了一些预训练的语言模型,例如GPT-3和T5等,可以选择其中一个作为中文微调的起点。同时,Llama还提供了一些针对中文任务的微调任务,例如文本分类、命名实体识别、文本生成等,可以根据具体的任务需求来选择合适的微调任务。在准备中文训练数据时,可以使用公开的中文文本语料库,如人民日报、维基百科等。需要将这些文本转换成Llama所需的格式,并将其划分为训练集、验证集和测试集。

sikh_0529的博客 4331

零成本打造本地AI助手:笔记本电脑CPU+内存部署Vicuna模型实战指南

本文提供了一份详细的实战指南,教你如何利用笔记本电脑的CPU和内存,零成本在本地离线部署Vicuna模型,打造一个接近ChatGPT 3.5水平的个人AI助手。文章涵盖了从硬件自查、工具选择到逐步部署、性能调优的全过程,并解答了常见问题,旨在让技术爱好者和开发者在保护隐私、无网络限制的环境下免费使用AI。

ik678901234的博客 1086

如何解决CC Switch常见问题:50+实用FAQ解答与故障排除

CC Switch 是一款跨平台桌面全能助手工具,专为 Claude Code、Codex 和 Gemini CLI 设计。本文汇总了 50+ 实用 FAQ 解答与故障排除方法,帮助用户快速解决使用过程中遇到的各种问题,提升工作效率。 ## 安装问题 ### macOS 提示「未知开发者」 **问题**:首次打开时提示「无法打开,因为它来自身份不明的开发者」 **解决方法一**:通过系统设置

gitblog_00983的博客 2370

大模型应用之 读图能力llama3显著提升,可以打造本地私人日志分析工具

Llama3 (LLMA-3) 是 Meta AI 开发的人工智能 (AI) 模型,因其令人印象深刻的语言理解和生成能力而受到广泛关注。

iCloudEnd的博客 2023

笔记本电脑也能跑大模型?Ollama + Llama 3 本地部署保姆级教程

摘要:本文提供了一份Ollama+Llama 3本地部署的保姆级教程,让普通笔记本也能流畅运行大模型。通过Ollama这一"大模型界的Docker"工具,无需复杂配置和昂贵显卡,仅需三行命令即可部署Meta最新的Llama 3模型。教程详细介绍了硬件需求、安装步骤、Web界面搭建方法,并解析了量化技术如何降低资源消耗的原理。文章还提供了Python API调用示例和常见问题解决方案,帮助开发者快速构建私有AI助手,实现"把AI装进口袋"的体验。(149字)

BUG猿的博客 2050

地表最强开源大模型!Llama 3.2,如何让你的手机变身私人智能助理

你有没有想过,为什么现在的手机越来越像小型电脑?无论是拍照、看视频,还是用各种APP,甚至是AI助手,手机的功能几乎无所不能。其实,这一切的背后有一个技术正在悄悄改变我们的生活,那就是Llama 3.2。它不仅仅是一款AI模型,它让智能手机变得更聪明,更高效。今天,我们就来聊聊Llama 3.2,看看它是如何彻底改变移动设备和边缘计算的。

python12222_的博客 663

别再死磕U-Net了!用PyTorch手把手教你搭建ResUnet,搞定医学图像分割(附完整代码)

本文详细介绍了如何利用PyTorch搭建ResUnet模型,通过引入残差连接解决医学图像分割中的梯度消失、特征退化和细节丢失问题。与传统U-Net相比,ResUnet在Dice系数和收敛速度上均有显著提升,特别适合处理脑部MRI等复杂医学图像。文章还提供了完整的代码实现和关键训练技巧,帮助开发者快速掌握这一先进技术。

weixin_42552637的博客 327

Hunyuan MT模型兼容性测试:Ollama与llama.cpp实测对比

本文介绍了如何在星图GPU平台自动化部署HY-MT1.5-1.8B镜像,实现高效多语言翻译应用。该轻量级模型支持33种语言互译,适用于字幕文件翻译、网页内容本地化等场景,显著提升翻译效率和质量。

weixin_31486261的博客 274

Aurora 8B/10B IP核介绍 —— Xilinx 技术文档Pg046

一、概述该IP核与用户接口之间支持AXI4-Stream协议,且基于ZYNQ SOC、A7、K7、V7以及UltraScale、UltraScale+系列FPGA的高速收发器(the high-speed serial transceivers)进行实现。多达 16 个连续绑定4 个连续绑定的 GTP 收发器framingstreaming以及全双工或单工加扰消扰CRC校验热插拔Aurora 8B/10B核心(图1-1)是一种可扩展的、轻量级的、用于高速串行通信的链路层协议;

qq_32147275的博客 1640

Transformer是什么?看完这篇你就醍醐灌顶

前言 由谷歌团队提出的预训练语言模型BERT近年来正在各大自然语言处理任务中屠榜(话说学者们也挺有意思的,模型名都强行凑个芝麻街的人物名,哈哈哈)。 BERT算法的最重要的部分便是Transformer的概念,它本质上是Transformer的编码器部分。 而Transformer是什么呢?transformer是永远的神,自从transformer使用了抛弃rnncnn的纯attention机制之后,各种基于transformer结构的预训练模型都如雨后春笋般雄起,而transformer中最重要就是使用

fs1341825137的博客 6万+

玩转AI,笔记本电脑安装属于自己的Llama 3 8B大模型和对话客户端

2024 年 4 月 18 日,Meta**开源**了 Llama 3 大模型,把 AI 的门槛降低到了最低,这是人工智能领域的一个重要飞跃。我们个人也可以部署大模型了,这简直就是给个人开发者发了个大红包!Llama 3 模型有不同的参数版本,本文主要分享我在个人笔记本电脑是部署 8B 参数过程和编写客户端,让我们大家都参与进来,推动 AI 应用更上一层楼……

老牛啊 3180

【头歌educoder】离散数学实训参考-第二章-关系-part1-关系基础

python实现离散数学-关系基础-二元关系

wander_alice的博客 8465

超简单,不用GPU,3步教你轻松在笔记本上部署聊天大模型 LLaMA

后来有人为了在传统 CPU 电脑上运行大模型,就开发了比较牛的框架,我们今天要用的,就是其中的一个明星产品:llama.cpp。大模型我们都不陌生了,但是以 chatGPT 为代表的大模型是闭源的,他们的源代码不开放,我们只能用他们的商业化产品。从上面的命令中我们可以看出,下载的是 llama-2-7b 模型,也就是有着 70 亿参数的那个模型。但是参数量大,就会对计算机的算力有更高的要求,因此很多大模型,基本部署都是要求在 GPU 上进行。

通俗易懂的 AI 技术 3917

Mac Studio M5 Ultra本地部署大模型实战:从内存原理到Ollama开发工作流

大模型推理的性能瓶颈往往不在算力,而在于内存能否装下整个模型、带宽能否持续供得上。Transformer架构每生成一个token都需要把权重完整扫一遍,决定了这本质上是内存密集型任务——统一内存架构因此成为本地部署的关键通路,超大容量与高带宽并行,让“装得下”和“跑得快”同时成立。模型量化技术(如Q4_K_M)则是另一项决定性软件策略,用轻微精度损失换取更低的硬件门槛,也是Ollama本地部署从7B到70B各类模型必做的前置功课。当本地推理服务跑起来后,借助VS Code等开发工具的OpenAI兼容API接

weixin_29043895的博客 450

一位海外开发者的 OpenSPG KAG 实践分享

KAG 是一个以创建和操作知识图谱为核心的框架。知识图谱是数据之间相互关联的可视化和结构化表示,对于搜索引擎、推荐系统和机器学习等应用至关重要。KAG 的目标是提供一个强大的平台,使开发者能够:轻松构建图谱;通过增强算法丰富数据;集成人工智能,以进行更精确的推理。通过理解 KAG,可以明显看出,这个框架旨在帮助从初学者到专业开发者,在项目中创造更优的解决方案。它在简便性和集成方面的优势,使其成为下一代基于数据的应用程序的前景工具。

金融机器智能社区 3405

笔记本上打造专属的LLama3聊天机器人_llama3大模型在笔记本上使用

总之,Meta的Llama3 LLM系列在前几代产品的基础上进行了显著改进,并提供了多种配置。本文重点介绍了如何在自己的笔记本上运行CPU版本的LLama3模型,并给出了具体的示例!您学废了嘛?​。

python1222_的博客 1265

弘玑RPA进阶攻略

01.弘玑RPA产品概要。02.设计器的安装与卸载。03.设计器特性与使用。

长安诗社社长@-梁瀚文- https://github.com/HevnChin https://gitee.com/HevnChin 3646

【LLM】Windows本地CPU部署民间版中文羊驼模型(Chinese-LLaMA-Alpaca)踩坑记录

想必有小伙伴也想跟我一样体验下部署大语言模型, 但碍于经济实力, 不过民间上出现了大量的量化模型, 我们平民也能体验体验啦~,该模型可以在笔记本电脑上部署, 确保你电脑至少有16G运行内存GitHub - ymcui/Chinese-LLaMA-Alpaca: 中文LLaMA&Alpaca大语言模型+本地CPU部署。

2401_85280307的博客 1255

电化学-论文分享-NanoStat: An open source, fully wireless potentiostat

本文主要分享论文NanoStat: An open source, fully wireless potentiostat,并记录学习笔记。如果有条件,建议看原文最好。

分享技术笔记,希望对大家能够有一定的帮助,同时也通过归纳总结提升自己的个人能力。 2874

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

Llama2通过llama.cpp模型量化 Windows&Linux本地部署

本地部署和使用llama.cpp进行量化Llama2,linux和Windows平台方案,支持CPU和GPU多版本。

早安不安的博客 9879

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

超简单,不用GPU!3步教你轻松在笔记本上部署聊天大模型 LLaMA

超简单,不用GPU!3步教你轻松在笔记本上部署聊天大模型 LLaMA

2301_81888214的博客 1550

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

笔记本上打造专属的LLama3聊天机器人

LLama3打造专属机器人

sgzqc的专栏 1886

笔记本电脑安装属于自己的Llama 3 8B大模型和对话客户端

现在我们的Llama 模型聊天机器人已准备就绪,我们想问什么就可以问什么,尽情享受吧。当然,我们废了大半天劲,如果只是和模型简单的聊聊天,那就有点可惜了,或者说如果要人工输入,那我们本地部署的意义就不大。假设能够通过程序的方式,自动调用本地部署的Llama 模型是不是可以提供我们工作效率;Llama 模型自然语言生成:Llama 3 能够生成连贯、高质量的文本,包括文章、故事、诗歌等创意写作,以及邮件、报告等实用文体。对话系统。

2401_84204413的博客 3631

macOS + Ollama + Enchanted,本地部署最新 Llama3

Ollama社区也同步新增 Llama3 的支持。接下来,我们将在MacBook Pro上部署Llama3,让大家在本地体验最强开源大模型。

2301_81940605的博客 1692
上一篇: 支持私有化部署的实时驱动数字人合成系统
下一篇: 现在LLM 的大小为什都设计成6/7B、13B和130B几个档次?
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2835原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值