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
smartfish_liu7 分钟前
分享: 如何利用workbuddy来构建批量自动化任务.
llm·agent
To_OC20 分钟前
还在追顶配模型?GPT 5.6 已经把玩法彻底改了
人工智能·gpt·llm
一只小bit3 小时前
LangGraph 子图使用和房源搜索Agent综合案例实现
机器学习·langchain·llm·langgraph
千天夜5 小时前
让大模型“先想再答”:Chain-of-Thought Prompting 论文精读——CoT 为什么能激发多步推理?
人工智能·深度学习·llm·gpt-3·llama
To_OC5 小时前
别再被跑分骗了:大模型 Benchmark 到底在考什么?
人工智能·llm·agent
JouYY8 小时前
大模型底层学习(二)- 预训练(Pre-training)流程概览
架构·llm·agent
zzzll11119 小时前
Agent 开发的五种架构范式及选型思路
人工智能·架构·大模型·llm
浮生望10 小时前
React+TS+Tailwind实战:在浏览器里跑DeepSeek-R1端侧模型
llm
吃饱了得干活10 小时前
LangChain Agent 高级玩法:命名、结构化输出与流式模式
langchain·llm·agent
AINative软件工程12 小时前
LLM 生产环境的 Prompt 注入防御工程实践:5 层防护体系与真实攻防案例
llm·ai编程