在本地调用大语言模型

1.下载大模型到本地

将模型下载到本地,方便调用。jinxia千问1.5-0.5B-Chat · 模型库

下载好的文件移动到D盘的文件夹里,D:\AI_Model\Qwen1.5-0.5B-Chat。

2.整理一下环境,防止C盘爆掉

因为大模型的相关环境文件比较大,最好把conda的环境文件都放到d盘。

把 C:\Users\用户\.cache\huggingface整个文件夹剪切到 D 盘,比如D:\AI_Cache\huggingface。

打开管理员 CMD,执行下面的命令创建软链接:

复制代码
mklink /J "C:\Users\HUANG\.cache\huggingface" "D:\AI_Cache\huggingface"

这样以后所有模型缓存都会写到 D 盘,C 盘只是一个 "假入口"。同时,代码里也要加上环境变量:

复制代码
import os
os.environ["HF_HOME"] = "D:\\AI_Cache\\huggingface"

3.运行

创建run_model.py

复制代码
import os
os.environ["HF_HOME"] = "D:\\AI_Cache\\huggingface"

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# 改成你解压后的本地文件夹路径
model_id = "D:/AI_Model/Qwen1.5-0.5B-Chat"

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using device: {device}")

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    low_cpu_mem_usage=True,
    torch_dtype=torch.float32
).to(device)

print("模型和分词器加载完成!")

messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "你好,请介绍你自己。"}
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

model_inputs = tokenizer([text], return_tensors="pt").to(device)
print("\n编码后的输入文本:")
print(model_inputs)

generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512
)

generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print("\n模型的回答:")
print(response)

运行效果:

4调参

参数设置为 :固定不变输出版本

python 复制代码
generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512,
    do_sample=False
)

运行效果:

均衡随机版本:

python 复制代码
generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512,
    do_sample=True,
    temperature=0.7,
    top_p=0.9
)

运行效果(每次答案是不一样的):

高随机版本:

python 复制代码
generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512,
    do_sample=True,
    temperature=1.5,
    top_p=0.95
)

运行效果:

相关推荐
对你无可奈何4 小时前
给 ComfyUI 做了一个手机助手
人工智能
feasibility.6 小时前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
智联视频超融合平台6 小时前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab7 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考8 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes9 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV9 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J10 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒10 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术11 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能