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
冬奇Lab1 小时前
让 AI Agent 更可靠:Harness Engineering 与多 Agent 系统工程实践
人工智能·llm·agent
德思特2 小时前
从 Dify 配置页理解 RAG 的重要参数
java·人工智能·llm·dify·rag
光辉GuangHui3 小时前
Agent Skill 也需要测试:如何搭建 Skill 评估框架
前端·后端·llm
_按键伤人_5 小时前
二、从零搭建本地 RAG 知识库
前端·llm·ai编程
_按键伤人_5 小时前
一、理解 RAG:从概念到实践
前端·llm·ai编程
AINative软件工程5 小时前
不做 A/B 测试的 prompt 优化都是在赌运气:生产级 LLM A/B 实验完整方案
llm
_按键伤人_6 小时前
三、手把手教你从零写一个本地 RAG
前端·llm·ai编程
一只会铲史的猫7 小时前
自己使用C++开发的仿OpenClaw、Hermes智能体工具
ai·llm·agent
掉鱼的猫10 小时前
用 Solon AI 从零构建 MCP 工具服务:让 AI Agent 拥有真实世界的能力
java·llm·mcp
Honey Ro10 小时前
浅析大模型 Agent 的记忆(Memory)机制
深度学习·语言模型·llm·rag