千问Qwen7B chat:本地部署及网页端使用

基于前面的安装经验,千问大模型的本地部署并不算难,主要时间用在大模型文件的下载上。同时系统运行对硬件也有较高的要求,本机的硬件配置为N卡3060,显存12G。

  1. 使用conda创建虚拟环境,主要版本如下:

Python 3.9.18

CUDA 12.1

pytorch 2.2.2

  1. 克隆代码到本地

git clone https://github.com/QwenLM/Qwen.git

  1. 进入Qwen目录,执行安装命令

安装依赖

pip install -r requirements.txt

安装 web_demo 依赖

pip install -r requirements_web_demo.txt

  1. 运行命令

python web_demo.py --server-port 8087 --server-name "0.0.0.0"

会下载很多模型文件,需要一点时间。下载完成后启动界面如下

在输入框里输入沟通内容"你是谁"。我们看一下后台输出:

相关推荐
8Qi824 分钟前
HelloAgents:RAG——让 Agent 学会检索知识
人工智能·llm·agent·ai编程·vibecoding
凌涘39 分钟前
无状态 LLM 架构深度解析:从 HTTP 协议到上下文工程
llm
Grapes1 小时前
没有魔法,只有循环:从 LLM API 到第一个 Agent
llm·agent
8Qi86 小时前
hello-agents学习笔记--Memory让Agent拥有记忆
人工智能·python·llm·agent·ai编程·vibecoding
Darling噜啦啦7 小时前
RAG 语义搜索全栈实战:用 Node.js + Embedding 从零构建智能搜索引擎
llm·ai编程
漂着的圆木7 小时前
生产级大模型集成方案:构建弹性可观测的API适配层
llm·ai工程
树獭非懒8 小时前
六、Plan-and-Solve智能体:学会三思而后行
人工智能·llm·agent
捧 花8 小时前
YoudaoNoteLM 分层混合 RAG 系统:从多源接入到智能问答的全链路技术架构
架构·llm·agent·rag
掉鱼的猫9 小时前
ReActAgent 使用指南:构建会思考、能行动的 AI Agent
java·llm·agent