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
大模型教程1 小时前
构建Agents框架|LlamaIndex使用实战之RAG
程序员·llm·agent
大模型教程1 小时前
LangChain×Qwen3:高性能RAG系统实战项目
程序员·langchain·llm
AI大模型2 小时前
打造生产级复杂 RAG 系统:LangChain, LangGraph 与 RAGAS 实战指南
langchain·llm·agent
AI大模型2 小时前
写给小白看的使用LangChain构建基于知识图谱的RAG系统实战教程
langchain·llm·agent
EdisonZhou4 小时前
MAF快速入门(2)Agent的花样玩法
llm·aigc·agent·.net core
用户6600676685396 小时前
大模型调用外部工具获取实时天气的实现方法
llm·openai
智泊AI6 小时前
怎么判断是自己prompt写的不够好?还是基座模型能力不够?
llm
踏浪无痕11 小时前
大语言模型是怎么训练出来的?一篇入门指南
机器学习·llm
斯文~14 小时前
【AI论文速递】SymAgent:知识图谱复杂推理的agent框架
人工智能·深度学习·llm·nlp·知识图谱
north_eagle1 天前
LightRAG:简单快速的检索增强生成
llm