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
测试者家园2 小时前
从需求文档到测试点:利用大模型实现需求理解的自动化
软件测试·自动化·llm·需求分析·持续测试·智能化测试·功能点
BGoodHabit3 小时前
从工程思维到产品思维:我用 AI 搭建内容生产系统的实战复盘
ai·llm·agi·自媒体·nano banana pro
黄粱梦醒5 小时前
OpenClaw-window安装教程以及通用常用命令
人工智能·llm
snow_yan5 小时前
基于 json-render 的流式表单渲染方案
前端·react.js·llm
knqiufan15 小时前
PingCraft:从需求文档到可追踪工作项的 Agent 实践之路
ai·llm·agent·pingcode
twc82918 小时前
大模型基础概念(简要版)
大模型·llm
chaors21 小时前
从零学RAG0x0f:RAG 评估指标提升实战
langchain·llm·ai编程
前端付豪1 天前
Memory V1:让 AI 记住你的关键信息
前端·后端·llm
twc8291 天前
写好提示词
人工智能·大模型·llm·提示词工程
Sakuraba Ema1 天前
Attention Residuals:把固定残差换成“跨层注意力”
python·llm·attention