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
Tbisnic15 小时前
26.AI大模型:RNN、LSTM、GRU
人工智能·python·rnn·gru·大模型·llm·lstm
Briwisdom15 小时前
Attention 优化全景:FlashAttention 的加速魔法与 MHA/GQA/MLA 的结构演进
llm·attention·mha·mqa·flash attention
拾年27517 小时前
RAG 灵魂三问:你的文档是怎么"喂"给大模型的?
langchain·node.js·llm
陳陈陳17 小时前
LLM的"消化系统":一文讲透RAG文档加载与智能切割
数据库·langchain·llm
武子康18 小时前
HunyuanVideo 全家族选型:原版 13B / I2V / Avatar / Foley / 1.5 8.3B 怎么分工
人工智能·llm·aigc
呆呆敲代码的小Y21 小时前
RAG 表格解析完全指南:xParse、PaddleOCR、MinerU 实测对比并接入Agent使用
ai·llm·agent·rag·表格解析·xparse
先吃饱再说1 天前
一篇文章被切成 100 块还怎么保持语义:RAG 分块的底层逻辑
langchain·llm
先吃饱再说1 天前
花 600 万就能复刻百亿模型?蒸馏技术到底是什么
人工智能·llm
带刺的坐椅2 天前
用 Solon ReActAgent 落地发票识别与智能报销
java·llm·solon·react-agent
掉鱼的猫2 天前
用 Solon ReActAgent 落地发票识别与智能报销
java·llm·agent