手把手教你部署和理解大模型,超详细步骤,包教包会!(一、环境准备篇 )

LoRA 问答微调与部署全流程:基于 LLaMA-Factory + DeepSeek + FastAPI 打造专属大模型 想快速掌握大模型落地实战?本文将手把手教你完成一个国产大模型的微调任务,并通过 FastAPI 向后端暴露接口。特别适合希望快速将大模型应用于实际业务的开发者。 阅读详情

本文可获得以下知识:

1、一套性能足够且性价比够高的硬件升级方案

2、一套适合大模型部署的操作系统配置最佳实践

上一篇文章讲了我试验了3个中文大模型,踩了不少坑,都有哪些坑我简单列一下因为我是从头开始部署的,从升级自己的台式单机开始,然后到更新软件也就是操作系统(因为现在的大模型其实更需要有Linux的操作系统,有些量化之类的包对WINDOWS支持不友好),再往后还需要选择相应的开源大模型,国内开源最早的应该是复旦大学的MOSS, 在之后我也适应了清华大学开源的chatglm-6b, 同时也包括最近开源的百川。

硬件篇:

那废话不多说今天这个部分就简单说一下部署大模型需要的配置,兵马未动粮草先行,要在单机运行大模型,硬件条件还是要有的;这里我默认大家都是有台式机的,但是,大概率你的硬件条件是不满足本地加载大模型的,不过,稍微升级或增加几个配件就好了:

img

1、显卡: 毕竟现在最少的大模型也基本都是6B也就是六十亿的参数,桌面级显卡其实不太能支撑这样的应用;好我们同时今天我也会给大家推荐一款显卡,这个显卡也是我无意间发现的,拥有22g大显存,显存容量直逼4090,价格却只有4090的1/4,性能的话其实我们也不在单机训练,性能应该也足够足够大家跑demo,是什么显卡呢?是2080TI,它的显存是11G,性能和3070差不多,但是,它可以魔改,改到22G内存,现在到处都在卖这张卡,感兴趣的同学可以自行搜索。下面我附一张图吧,不做任何推荐

2,内存: 由于显存到了22G,内存也一定要跟上,至少要比它大,建议32G起步,上不设限,如果16G的话,意味着加载某些模型要用到swap,这个原理是划一块硬盘来模拟内存,虽然最后也可以加载成功,但是速度大受影响。

其它的硬件不关键了,正常的配置就可以。

系统篇:

直接说建议吧:WIN11 + WSL,WSL安装Ubuntu 22.04 LTS 版

先说为什么要WIN11,因为WIN11对WSL支持比较好,可以参考微软官方的步骤一步步安装WSL,WIN10可能支持的不够好。

WIN11安装:

  • 从官网下载镜像:

    在这里插入图片描述

  • 用 ultraiso, 制作一个系统安装U盘

  • 在BIOS设置按U盘启动,开始安装

这里重点说下,安装过程中,可能会提示“这台电脑无法运行WIN11”,可以修改注册表解决:

找到如下的路径:HKEY_LOCAL_MACHINE\SYSTEM\Setup

创建一个名为“LabConfig”的项,接着在“LabConfig”下创建两个DWORD 值:

键为“BypassTPMCheck”,值为“00000001”

键为“BypassSecureBootCheck”,值为“00000001”

  • 安装好后,装驱动

WSL安装:

WSL安装在WIN11中很简单,直接参考微软的文档就好了,网络条件好的话,可能只需要一句话

在这里插入图片描述
WSL的配置:

WSL装好后不是万事大吉了,因为WSL实际上还是一个虚拟机,它的资源用的还是本机的,所以需要设置下它可用的资源大小

可以在如下的路径中新建一个config来确定到底给WSL虚拟机多少的硬件资源:

文件路径:

C:\Users[your user name].wslconfig

上面的[your user name] 就是你电脑的名字,在这个路径下新建一个隐藏文件,“.wslconfig“

然后,根据你的硬件环境配置给到WSL虚拟机的配额,如果不设置这项的话,WIN11默认会把你本机的一半内存给到WSL虚拟机,假设你是16G内存,那就会是8G给到了Ubuntu,这个内存量跑大模型肯定是不够的。

附上我的配置:总内存32G,给到WSL的25G,SWAP也设到10G

在这里插入图片描述

显卡驱动及cuda的安装:

这一步是最难的,也是要小心的,因为WSL是可以用你的WIN11的显卡驱动的,你要装的只是CUDA和CUDNN而已,而且要装的是一个特殊的版本

主要参考NV的文章:NVIDIA GPU Accelerated Computing on WSL 2

  • 下载最新的驱动,更新重启
  • 下载对应的CUDA,在ubuntu中安装

在这里插入图片描述

  • 安装完成后,输入nvidia-smi

在这里插入图片描述

  • 安装CUDNN,这个其实不用安装,只要下载下来,然后在ubuntu中软链上就好了

img

这样就基本配置完成了,下一篇文章我再详细说下如何配置大模型所需的软件环境,以及运行几个国内主流大模型的效果。

​

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

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】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI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。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

多模态大模型:技术原理与实战 部署环境准备 多模态大模型:技术原理与实战 部署环境准备 作者:禅与计算机程序设计艺术 1. 背景介绍 1.1 多模态学习的兴起 近年来,随着深度学习技术的飞速发展,人工智能领域取得了突破性进展。其中,多模态学习作为人工智能领域 阅读详情

相关推荐

【实战篇】普通人也能上手!手把手教你本地部署 DeepSeek 大模型

另一方面,本地化部署使得模型离线可用,不受网络限制,用户即使处于网络受限区域,如偏远山区、地下场所,或者网络信号极差的地方,甚至在没有网络连接的情况下,依然能够正常运行模型,满足随时随地使用 AI 的需求。接下来,我将详细地为大家介绍如何进行 DeepSeek 大模型的本地化部署,包括部署前的准备工作、具体的部署步骤、部署后的测试与优化,以及在部署过程中可能遇到的问题及解决方案,希望能帮助大家顺利地将 DeepSeek 大模型部署到本地环境中,充分发挥其强大的功能。

商务合作|问题讨论|交流学习 请联系作者微信,加微信请务必注明来意,博客主页有联系方式 5608

【转载】用通俗易懂的方式讲解大模型:使用 Docker 部署大模型的训练环境

Docker 安装与主机安装的方式相比,我们少安装了 CUDA 和 PyTorch 程序,多安装了和下载 Docker 镜像,但整体花费的时间其实是减少了的(因为 CUDA 和 PyToch 安装时间比较长)。Docker 安装最大的好处就是可以随时切换不同的环境,而且不会影响到主机的环境。

Working harder, getting stronger! 1096

别再乱装了!Win10下NVIDIA显卡驱动、CUDA 11.0和cuDNN 8.0.5保姆级配置指南(含版本匹配避坑)

本文提供Win10下NVIDIA显卡驱动、CUDA 11.0和cuDNN 8.0.5的保姆级配置指南,详细解析版本匹配逻辑与安装步骤。从驱动选择到环境变量配置,再到框架测试,手把手教你避开常见坑点,确保深度学习环境一次配置成功。特别强调版本匹配的重要性,帮助开发者高效搭建GPU开发环境。

weixin_30600197的博客 307

大模型部署技巧

本文是实用生成式人工智能应用系列文章的一部分。在这一系列文章里,我们呈现了来自顶尖生成式人工智能实践者的现实世界解决方案和实操经验。当大多数人提及大语言模型,他们可能会想到 OpenAI 旗下的某款模型。这些模型不仅规模大,而且功能强大,托管在 OpenAI 的服务器上,并通过网络 API 进行调用。这些基于 API 的模型调用是快速尝试 LLM 的一种方式。然而,企业也可以选择部署自己的模型。部署或自托管 LLM 是一项具有挑战性的任务,并不像调用 OpenAI 的 API 那样简单。

HUANGXIN9898的博客 1129

Android息屏后台任务保活实战:从定时器失效到厂商白名单破解

本文深入探讨了Android应用在息屏后定时任务失效的根源,即系统为省电而触发的休眠机制。文章提供了从传统方案失效分析到实战破解的完整路径,核心在于引导用户将应用加入电池优化白名单并开启自启动权限,从而合法绕过限制。同时,结合WorkManager、AlarmManager等可靠定时方案,实现稳定的后台任务执行。

weixin_28475533的博客 421

从零到一:用STM32 FOC算法驯服无刷电机的艺术

本文详细介绍了如何使用STM32和FOC算法实现无刷电机的高性能控制。从硬件搭建、参数识别到闭环调节,一步步解析FOC算法的核心原理与调优技巧,帮助开发者掌握电机控制的关键技术,实现从零到一的精准驯服。

kkk56的博客 916

【AI大模型】在虚拟机里部署 Dify 模型

【AI大模型】在虚拟机里部署 Dify 模型

DEVELOPERAA的博客 3813

基于图神经网络的社交网络虚假账号检测系统 (Graph-based Fake Account Detection System, GFADS)

FOLLOWSRETWEETSSHAREDCOMMENTSLIKESMENTIONSUseruser_idusernamejoin_datebioavatar_urllocationverifiedis_fakeLOAD CSV这是决定模型性能的关键环节,需结合和。XXedge_indexy新账号缺乏历史数据和丰富关系。全网图可能包含数亿节点和数十亿边,难以直接训练。社交网络是动态变化的,虚假账号策略也在不断进化。获取大规模、高质量的真实/虚假账号标注数据非常困难。

Deng945201314的博客 1481

在虚拟机中快速部署大模型调用环境,使用Taotoken聚合接口

在虚拟机中快速部署大模型调用环境,使用Taotoken聚合接口 1. 虚拟机环境准备 在VMware虚拟机中部署开发环境时,建议选择Ubuntu 22.04 LTS或CentOS 7+作为基础系统。这些发行版具有长期支持且软件包管理完善。通过以下命令安装Python 3.8+环境: # Ubuntu/Debian sudo apt update && sudo apt install -y python3 python3-pip # CentOS/RHEL sudo yum install

weixin_42146230的博客 378

LangChain与LangGraph核心区别解析

LangChain与LangGraph是当前大语言模型(LLM)应用开发中两个紧密相关且极具影响力的开源框架。它们源于LangChain AI公司,设计哲学互补,旨在解决不同维度的LLM工程化问题,共同构成了构建复杂智能应用的强大工具集。

weixin_35774598的博客 1904

S32K1XX Autosar开发实战|全网独家复现EB MCAL Port/Dio配置、详解引脚分层原理、实现经典跑马灯助力车载IO电控落地

在NXP S32K1XX系列车规MCU的AUTOSAR标准开发体系中,MCAL(微控制器抽象层)是软硬件解耦的核心载体,而Port端口模块与Dio数字IO模块是MCAL最基础、最核心的入门模块,也是车载指示灯、按键检测、继电器驱动、外设硬件启停控制的底层支撑。区别于传统裸机直接操作寄存器的开发方式,AUTOSAR架构采用分层隔离设计,Port负责硬件静态初始化、Dio负责动态电平操控,严格遵循车规级开发规范,杜绝硬件资源冲突、引脚配置混乱等问题。

getusushu的博客 43

Dify完整部署指南:本地/虚拟机/云服务器搭建 + Ollama大模型对接

本文详细介绍了Dify开源大语言模型应用开发平台的部署与使用指南。主要内容包括:1)Dify服务启停管理,涵盖本地Docker和虚拟机两种环境;2)网络访问原理解析,说明局域网和公网访问的区别;3)云服务器部署全流程,从购买配置到实际部署;4)Ollama本地大模型对接方法。教程提供了清晰的命令行操作步骤和常见问题解决方案,适合开发者快速掌握Dify平台部署技巧,实现AI应用开发。

AI布道师丨波仔椿 8182

self‑improving‑agent 安装与配置指南(OpenClaw)

长期记忆错误反思用户偏好学习持续进化AI → 反思 → 学习 → 改进。

tiantiantbtb的博客 1337

【大模型实战(一)】从0到1,手把手教你基于 FastGPT 搭建本地私有化知识库!

AI大模型作为人工智能领域的重要技术突破,正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口,掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程,需要从基础开始,逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等,资料免费分享!

Androiddddd的博客 2149

AUTOSAR TcpIp模块 以太网配置开发2

someip协议之tcpIp协议

汽车电子电气 1085

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

手把手教你本地部署DeepSeek R1!零代码也能玩转国产AI大模型

Ollama是一款开源的本地AI模型运行工具,它允许用户在自己的电脑或服务器上运行各种大语言模型(如DeepSeek R1)。相比于直接使用在线服务,Ollama的优势在于它完全本地化,数据隐私更有保障,同时运行速度也更快。

m0_65555479的博客 1085

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

手把手教你在Ubuntu上部署中文LLAMA-2大模型

llama2作为目前最优秀的的开源大模型,相较于chatGPT,llama2占用的资源更少,推理过程更快,本文将借助llama.cpp工具在ubuntu(x86\\ARM64)平台上搭建纯CPU运行的中文LLAMA2中文模型。

瓦罗兰特顶级C位的博客 1696

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

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

只需3个简单步骤:手把手教你完成大模型本地部署全流程

在当前的技术环境下,大型语言模型(LLMs)已经成为人工智能领域的一个重要里程碑。这些模型能够在各种任务上展现出人类水平的性能,包括但不限于文本生成、语言理解和问题解答。随着开源项目的发展,个人开发者现在有机会在本地部署这些强大的模型,以探索和利用它们的潜力。本文将详细介绍如何使用Ollama,一个开源项目,在Mac上本地运行大型模型(Win同理)。通过遵循以下步骤,即使是配备了几年前硬件的电脑,也能够顺利完成部署和运行。

lvaolan的博客 1484

手把手教你本地部署DeepSeek:解锁私有化AI的无限可能

本教程将带您开启一段与众不同的AI部署之旅——不同于常规的API调用,我们将深入底层架构,在本地服务器构建完全自主可控的智能中枢。

2301_81940605的博客 1483

《手把手教你本地部署DeepSeek V3.2:从环境准备到性能优化全攻略》

DeepSeek V3.2 的本地部署不仅是技术能力的验证,更是企业数据主权的重要保障。通过合理的硬件选型、框架选择和性能优化,即使是中小团队也能搭建稳定高效的 AI 服务。随着国产大模型生态的完善,本地化部署将成为金融、医疗、教育等行业的标配方案。现在就按照教程动手部署,解锁属于你的专属 AI 助手吧!:你在部署过程中遇到最棘手的问题是什么?欢迎在评论区留言,我们将抽取 10 位读者赠送 DeepSeek 定制开发手册!

zheng_ruiguo的专栏 5335

手把手教你轻松本地部署Llama3,个人电脑也能极速运行(附教程)

手把手教你轻松本地部署Llama3,个人电脑也能极速运行(附教程)

2401_82469710的博客 735

【大模型本地化部署】Qwen2VL-7B多模态大模型部署

随着人工智能技术的飞速发展,多模态大模型逐渐成为研究和应用中的热点。Qwen2VL-7B,作为一个强大的多模态模型,具备理解和生成文本、图像以及视频等多种数据类型的能力。本文将详细介绍如何在CUDA 12.1和Python 3.11环境下,使用RTX 3090显卡部署Qwen2VL-7B多模态大模型。

2301_81940605的博客 5271

【Windows电脑】零代码本地部署一个AI大模型

现在大模型的基础设施和配套服务是越来越多,很多公司都提供了免费服务帮助大家低代码甚至零代码的部署自己的本地模型,让模型的使用门槛变低。以下就是基于免费服务的手把手部署教学,大家跟着一步步操作就行。

2401_82469710的博客 4326

Linux环境部署DeepSeek大模型

官网地址:OllamaOllama 是一个基于 Go 语言的本地大语言模型运行框架,类 docker 产品(支持 list,pull,push,run 等命令),事实上它保留了 Docker 的操作习惯,支持上传大语言模型仓库 (有 deepseek、llama 2,mistral,qwen 等模型,你也可以自定义模型上传)。通俗理解就是,Ollama这个类似Docker的平台工具,方便我们去直接运行各种LLM大模型。不需要我们去了解模型启动、模型参数配置、以及各种依赖以及准备工作...

分享不一样的技术,与你一起共同成长! 3841

大模型本地部署:只需三步,手把手带你在Mac本地部署大模型(附教程)

本文将详细介绍如何使用Ollama,一个开源项目,在Mac上本地运行大型模型(Win同理)。通过遵循以下步骤,即使是配备了几年前硬件的电脑,也能够顺利完成部署和运行。

DEVELOPERAA的博客 1714

LangChain开发环境准备-AI大模型私有部署的技术指南(附教程)

今天开始将开启系列AI应用开发课程,主要基于LangChain框架基于实战项目手把手教大家如何将AI这一新时代的基础设施应用到自己开发应用中来。

AAI666666的博客 1045
上一篇: 大模型应用开发:手把手教你部署并使用清华智谱6B大模型
下一篇: 【大模型书籍推荐】复旦大学首本发布的大模型中文书太厉害啦!
AI大模型_学习君
博客等级 码龄3年 6137粉丝 551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