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
only-qi14 小时前
大模型微调流程深度解析:从面试题到工程实践
人工智能·机器学习·ai·llm
AINative软件工程14 小时前
LLM 应用的依赖注入工程实践:解耦 Client、Prompt 和 Tool Registry,让 AI 系统真正可测试可替换
后端·llm·前端工程化
ltl1 天前
PagedAttention 与 Continuous Batching
llm
DigitalOcean1 天前
在 DigitalOcean 如何提示词缓存:降低 AI 推理成本与延迟
llm·agent
only-qi1 天前
美的AI Agent面试题的解析与思考
人工智能·ai·llm·agent·react
武子康1 天前
VLA 落地先签动作合同:从视觉语言输入到可执行控制指令
人工智能·llm·agent
武子康2 天前
SWE-1.7 的提升究竟来自哪里?接受大量强化学习后训练的 Kimi K2.7 为起点,继续进行大规模 RL
人工智能·llm·agent
用户469368483202 天前
kimi-code 深度掌握系列文章-工具系统:从注册到执行(六)
llm·agent
今日无bug2 天前
用 Prompt 做 NLP 任务开发:几分钟构建一个推理系统
llm·nlp
AINative软件工程2 天前
LLM Streaming 背压工程实践:慢客户端、断流重连与服务端缓冲区的生产设计
node.js·llm