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
量子位14 小时前
科研AI出了个狠角色:开源30B小模型,硬刚Gemini和Claude
llm·claude·gemini
DigitalOcean15 小时前
如何在云端运行Kimi K2.5:从配置到部署全攻略
llm·aigc
手机不死我是天子21 小时前
拆解大模型三:你不会真以为 Attention 是大模型的主角吧
llm
手机不死我是天子2 天前
拆解大模型二:Transformer 最核心的设计,其实你高中就学过
人工智能·llm
数据智能老司机3 天前
构建自然语言与大语言模型(LLM)流水线——将组件整合起来:面向不同使用场景的 Haystack Pipeline
llm·agent
数据智能老司机3 天前
构建自然语言与大语言模型(LLM)流水线——使用自定义组件进行 Haystack Pipeline 开发
llm·agent
gustt3 天前
探索MCP协议:构建高效的LLM工具集成系统
llm·agent·mcp
神秘的猪头3 天前
🚀 React 开发者进阶:RAG 核心——手把手带你玩转 Milvus 向量数据库
数据库·后端·llm
哈里谢顿3 天前
LangGraph 框架完全指南:构建生产级 AI 工作流
langchain·llm
UIUV4 天前
Splitter学习笔记(含RAG相关流程与代码实践)
后端·langchain·llm