llama.cpp运行qwen0.5B

编译llama.cp

参考
下载模型

05b模型下载
转化模型

创建假造环境

1. conda create --prefix=D:\miniconda3\envs\llamacpp python=3.10
2. conda activate D:\miniconda3\envs\llamacpp

复制代码

安装所需要的包

1. cd G:\Cpp\llama.cpp-master
2. pip install -r requirements.txt
3. python convert.py -h

复制代码

实行转换下令

1. # python convert.py G:\Python\Qwen1.5-0.5B-Chat --outfile G:\Cpp\qwenchat0.5b.gguf --outtype q8_0
3. python convert-hf-to-gguf.py G:\Python\Qwen1.5-0.5B-Chat  --outfile G:\Cpp\qwenchat0.5b.gguf
4. # 解释
5. # python
6. # convert.py # convert.py路径
7. # /content/finetuned-2_merged # 模型路径
8. # --outfile finetuned-2.gguf # 要分配的gguf模型名称
9. # --outtype q8_0 #以8 Bit量化

复制代码

   将模型量化为5Bit（利用q5_k-m方法）

1. quantize.exe G:\Cpp\qwenchat0.5b.gguf qwenchat0.5b-q5_k_m.gguf q5_k_m
2. # 4bit，基本不太行
3. # quantize.exe G:\Cpp\qwenchat0.5b.gguf qwenchat0.5b-q4_0.gguf q4_0

复制代码

控制台运行模型

1. # 注意Qwen模型要使用chatml prompt 模版
2. main.exe -m qwenchat0.5b-q5_k_m.gguf -n 512 --chatml

复制代码

http方式运行模型

1. server.exe -m qwenchat0.5b-q5_k_m.gguf -c 2048 --host 0.0.0.0 --port 8007
3. curl --request POST --url http://localhost:8007/completion --header "Content-Type: application/json" --data '{"prompt": "你好","n_predict": 128}'

复制代码

页面的话访问8007即可

server参数解释
尝鲜通义千问1.8B
参考
hf2gguf

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。