Mac M4 芯片运行大模型指南,包括模型微调与推理

Mac M4 芯片运行大模型指南,模型微调与推理

    • 背景
    • [模型推理 Ollama](#模型推理 Ollama)
      • [🔍 举例说明:](#🔍 举例说明:)
      • 踩坑
    • [模型微调 unsloth](#模型微调 unsloth)

背景

在国补、教育优惠、京东会员500优惠券等众多优惠之下。

我拿下了Macmini M4 16G 内存万兆网卡。在机器到手的第一时间,马上开始折腾如何炼丹。

模型推理 Ollama

首选 Ollama,通过多线程、协程、多进程等方式调用大模型的API 。

同时也可以使用 llama.cpp 。

Ollama 的底层基于 llama.cpp 的,它做了很多封装和增强,主要体现在以下几个方面:

✅ Ollama 与 llama.cpp 的关系

项目 内容
核心推理引擎 使用 llama.cpp 作为底层推理引擎(尤其是 .gguf 格式模型)
模型格式 支持 llama.cpp 的 GGUF 格式模型
硬件加速 使用 llama.cpp 的 MPS(Apple Silicon)、CUDA、CPU 推理能力
多平台支持 提供 macOS、Linux、Windows 上的一键安装与运行方式
封装 提供了简单的命令行接口 (ollama run, ollama pull, ollama create)
扩展功能 可以本地部署多个模型、支持 REST API、支持自定义模型 Modelfile

✅ ollama 的作用

Ollama 可以看成是 llama.cpp 的「产品化版本」,对开发者和终端用户更友好:

  • 提供后台服务(自动管理模型、资源)
  • 提供模型版本管理
  • 提供 REST API 接口(方便开发集成)
  • 支持自定义系统提示、上下文管理
  • 更易与前端、终端集成

🔍 举例说明:

bash 复制代码
# llama.cpp 运行方式(原始)
./main -m model.gguf -p "你好"

# ollama 运行方式(封装)
ollama run llama3 "你好"

两者底层执行的是类似的 GGUF 模型推理逻辑,但 ollama 管理了模型下载、缓存、资源分配、上下文窗口扩展等内容。


如果你想:

  • 更底层控制(自定义编译优化、显存分配等) → 选择 llama.cpp
  • 快速集成和部署、搭建本地 API → 选择 Ollama

踩坑

本来想使用 vllm 基于 Mac 的 mps 做加速。但是。

下述资料也说明了 vllm 不支持 Mac的mps加速。

模型微调 unsloth

首选 unsloth 微调框架。虽然LLamaFactory也支持 Mac,但并不推荐。

因为 unsloth 的内存占用更小,微调速度更快。

相关推荐
guuguo11 小时前
【做个开源软件】Mac 上 node 进程莫名吃掉 6G 内存?给 AI / MCP 做了个深度归因和安全回收工具
人工智能·开源·github
双鱼大猫12 小时前
opencode 吃掉 100G 空间:Agent 会话数据要分级清理
人工智能·agent·ai编程
用户58333398166812 小时前
RPA 流程的异常处理设计:重试、降级与告警,生产环境实战指南
人工智能
sanxing三省13 小时前
DeepSeek Harness 到底是什么?标题里最重的词其实不是「DeepSeek」
前端·人工智能·deepseek
合尘猫14 小时前
用 6GB 显卡搭短视频产线:MiniMax H3 + ffmpeg 全流程实录(55 秒片 / 40 分钟)
人工智能·音视频
ZONGYUAN-ROOT14 小时前
【自愈治理】自愈式数据管道:大规模公开数据采集的治理方法
人工智能
Starry-sky(jing)14 小时前
Hermes Agent 升级 v0.23.2:先辨更新渠道,再看 CLI 退出残留修复
人工智能·python·ai agent
oil欧哟14 小时前
AI Agent Skill 入门指南:文件夹本质、渐进式加载与挑选方法
人工智能·ai编程
百度Geek说15 小时前
从代码生成到需求交付:DarkFactory 的工程实践
人工智能