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
武子康5 分钟前
2026 年 7 月 AI 模型发布复盘:真正被比较的是整套工作系统
人工智能·llm·agent
蛋先生DX2 小时前
外挂变内置: 大模型工具调用与思维链的能力进化史
llm·agent
晨曦中的暮雨4 小时前
Learn Claude Code:CodeAgent 与后端程序大搭配——定时任务、Git Worktree 和MCP 服务
git·ai·llm·agent
xier_ran4 小时前
【infra之路】从 KV Cache 到逐层语义:理解 Decoder-Only LLM 的推理过程
llm·infra
k4m7v2pz4 小时前
16GB Mac 本地跑大模型:ollama 局域网 OpenAI 兼容 API 实战(一:需求与配置)
llm·openai·api·mac·ollama·本地·atomcode
元Y亨H5 小时前
大模型技术-RAG 常用的向量数据库
langchain·llm
元Y亨H5 小时前
大模型技术 Agents 概述
langchain·llm
元Y亨H5 小时前
大模型技术 RAG 概述
llm
元Y亨H5 小时前
大模型技术 Agent添加MCP工具
langchain·llm
元Y亨H5 小时前
大模型技术-RAG 向量存储和检索 概述
langchain·llm