Meta 的大語言模型 LLaMA 13B，現(xiàn)在用 2060 就能跑了~
羊駝家族的 Alpaca 和 Vicuna 也都能運(yùn)行，顯存最低只需要 6G，簡直是低 VRAM 用戶的福音有木有。
GitHub 上的搭建教程火了之后，網(wǎng)友們紛紛跑來問蘋果 M2 是不是也能跑。
這通操作的大致原理是利用最新版 CUDA，可以將 Transformer 中任意數(shù)量的層放在 GPU 上運(yùn)行。
與此前 llama.cpp 項(xiàng)目完全運(yùn)行在 CPU 相比，用 GPU 替代一半的 CPU 可以將效率提高將近 2 倍。
而如果純用 GPU，這一數(shù)字將變成 6 倍。
網(wǎng)友實(shí)測的結(jié)果中，使用 CPU 每秒能跑 2.1 個 token，而用 GPU 能跑 3.2 個。
生成的內(nèi)容上，開發(fā)者成功用它跑出了“尼采文學(xué)”。
如何操作
在開始搭建之前，我們需要先申請獲得 LLaMA 的訪問權(quán)限。
傳送門：https://ai.facebook.com/ blog / large-language-model-llama-meta-ai/
此外還需要有一個 Linux 環(huán)境。（Windows 用戶可以用 WSL2）
準(zhǔn)備工作完成之后，第一步是將 llama.cpp 克隆到本地。
1git clone https://github.com/ggerganov/llama.cpp.git 2cd llama.cpp 3pacman -S cuda //make sure you have CUDA installed 4make LLAMA_CUBLAS=1
如果沒有安裝 CUDA，可以參考下面的步驟：
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_64.deb 4sudo dpkg -i cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_64.deb 5sudo cp /var/cuda-repo-wsl-ubuntu-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/ 6sudo apt-get update 7sudo apt-get -y install cuda
然后是建立 micromamba 環(huán)境，安裝 Python 和 PyTorch 等工具。
接著需要在 micromamba 環(huán)境下安裝一些包：
1export MAMBA_ROOT_PREFIX=（自定義安裝路徑） 2eval "$(micromamba shell hook --shell=bash)" 3micromamba create -n mymamba 4micromamba activate mymamba 5micromamba install -c conda-forge -n mymamba pytorch transformers sentencepiece
然后運(yùn)行 Python 腳本以執(zhí)行轉(zhuǎn)換過程：
1python convert.py ~/ai/Safe-LLaMA-HF-v2\ \(4-04-23\)/llama-13b/
之后將其量化為 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
接著是新建一個 txt 文本文檔，把提示詞輸入進(jìn)去，然后就可以運(yùn)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 文檔名稱txt -n 2048q4_0 8
這步當(dāng)中-ngl 后面的數(shù)字是可以修改的，它代表了轉(zhuǎn)換層的數(shù)量。
當(dāng)該值為 18 時，運(yùn)行中消耗的 VRAM 為 5.5GB，根據(jù)顯存的大小最高可以調(diào)至 40。
網(wǎng)友：AMD 不配嗎
這一教程出現(xiàn)之后，網(wǎng)友們的新玩具又增加了。
“苦 OpenAI 久矣”的網(wǎng)友更是感覺仿佛找到了光。
這位網(wǎng)友就表示自己太期待在自己的設(shè)備上運(yùn)行 LLM 了，寧愿花 5 千美元購置設(shè)備也不想給 OpenAI 交一分錢。
但 AMD 用戶可能就不那么興奮了，甚至透露出了嫉妒之情。
這套方法要用到 CUDA（英偉達(dá)專用），所以 AMD 是不配了嗎？
那么，你期待用自己的設(shè)備跑大語言模型嗎？
參考鏈接：
[1].https://gist.github.com/rain-1/8cc12b4b334052a21af8029aa9c4fafc
[2].https://twitter.com/_akhaliq/status/1657779996247588865
[3].https://news.ycombinator.com/item?id=35937505
本文來自微信公眾號：量子位 （ID：QbitAI），作者：克雷西
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。