llama-cpp-python本地部署并使用gpu版本

使用带编译的命令安装llama库

# 首选 GGML_CUDA  后续LLAMA_CUBLAS将删除
CMAKE_ARGS="-DGGML_CUDA=on" FORCE_CMAKE=1 pip install llama-cpp-python --no-cache-dir 


CMAKE_ARGS="-DLLAMA_CUBLAS=on" FORCE_CMAKE=1 pip install llama-cpp-python --no-cache-dir 

如果仅使用pip install llama-cpp-python会仅使用cpu运行。

并且使用LLAMA_CUBLAS 可能会出现以下错误

_*** CMake configuration failed
[end of output]

note: This error originates from a subprocess, and is likely not a problem with pip.
ERROR: Failed building wheel for llama-cpp-python
Failed to build llama-cpp-python
ERROR: Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based projects_

下载torch本地很慢，加速技巧（linux）：

apt install aria2

• -x 16 表示使用 16 个连接进行下载。
• -s 16 表示将文件分为 16 个部分来同时下载。

aria2c -x 16 -s 16 https://download.pytorch.org/whl/cu121/torch-2.5.0%2Bcu121-cp312-cp312-linux_x86_64.whl

实时查看nvidia显卡占用信息 :

• -n SECONDS：指定刷新间隔（默认是 2 秒）。
• -d：高亮显示输出中变化的部分。
• -t：不显示顶部的标题信息。

watch -n 0.5 nvidia-smi