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
XLYcmy16 小时前
一个基于 Python 的轻量级 LLM(大语言模型)API 客户端程序:从API交互到LLM应用架构
服务器·python·ai·llm·prompt·agent·token
智泊AI17 小时前
一文讲透 LLM 真实运行内核,这篇长文值得逐字细读!
llm
枫子有风18 小时前
LLM-RAG(大厂面试常问问题)
面试·职场和发展·llm·rag
冬奇Lab1 天前
Agent 系列(19):Harness 完整体系——8 层防护框架全景
人工智能·llm·agent
逻极1 天前
Hermes Agent深度探索:一个会自我沉淀经验的终端智能体
架构·llm·agent·rag·多智能体系统·hermes agent·hermes
stereohomology2 天前
让AI精确修改视觉可见的细节是繁琐的
llm·多模态编辑
AndrewHZ2 天前
【LLM技术全景】开源大模型生态:如何选择适合你的基座模型?
人工智能·深度学习·语言模型·开源·llm·transformer·基座模型
troubles maker2 天前
LLaMA-Adapter V2: Parameter-Efficient Visual Instruction Model
llm·nlp·llama·多模态
老梁agent2 天前
一个工程师的 LLM 理论入门:Transformer、Attention 和 Tokenization(不带公式)
物联网·llm
没有腰的嘟嘟嘟2 天前
Easy-agent介绍
ai·llm·agent·rag·skill·spring ai·mcp