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
aopstudio3 小时前
HuggingFace Tokenizer 的进化:从分词器到智能对话引擎
人工智能·自然语言处理·llm·huggingface
杨杨杨大侠5 小时前
DeepAgents 框架深度解析:从理论到实践的智能代理架构
后端·python·llm
董厂长6 小时前
Agent 意图库 和 知识图谱
人工智能·llm·agent·意图识别
YaeZed7 小时前
数据准备
llm·agent
董厂长7 小时前
前置RAG意图召回解决的问题
大数据·llm·agent·rag·意图识别
CoderJia程序员甲7 小时前
GitHub 热榜项目 - 日榜(2026-1-15)
开源·大模型·llm·github·ai教程
Baihai_IDP7 小时前
如何减少单智能体输出结果的不确定性?利用并行智能体的“集体智慧”
人工智能·面试·llm
组合缺一7 小时前
带来 AI Agent 开发,OpenSolon v3.8.3 发布
java·人工智能·ai·langchain·llm·solon
Baihai_IDP8 小时前
智能体的构建依然是个“脏活累活”...
人工智能·程序员·llm
huazi-J8 小时前
Datawhale Happy-LLM 课程 task 1和2:NLP基础概念
人工智能·自然语言处理·大模型·llm·datawhale