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
山顶夕景9 小时前
【LLM】GLM-5.3-Flash模型
大模型·llm·agent·多模态·moe
武子康11 小时前
把生产 Agent 事故 Trace 变成可重放的回归测试集
人工智能·llm·agent
武子康12 小时前
开放权重之后,为什么 Agent 仍然无法复现:真正缺的是可重放行为证据
人工智能·llm·agent
tachibana213 小时前
AI Agent 的记忆机制
人工智能·ai·大模型·llm·agent
CoderJia程序员甲15 小时前
GitHub 热榜项目 - 周榜(2026-08-30)
ai·大模型·llm·github·ai教程
tachibana216 小时前
Agent 的长短期记忆系统
人工智能·ai·大模型·llm·agent
北落L16 小时前
Embedding:从 Token 到向量表示
llm
leeyi18 小时前
Eino + DeepFlux 实战全景复盘:100 篇,从 5 分钟 Demo 到企业级平台(第100篇-E86)
llm·aigc·agent
阡之尘埃1 天前
Python数据分析案例85——大模型微调全流程(SFT的LoRA微调)
人工智能·python·深度学习·语言模型·llm·微调·千问
tachibana21 天前
复杂任务怎么做的任务拆分?
人工智能·ai·大模型·llm·agent