Windows11(非WSL)安装Installing llama-cpp-python with GPU Support

直接安装，只支持CPU。想支持GPU，贫苦一些。
1. 安装CUDA Toolkit (NVIDIA CUDA Toolkit (available at https://developer.nvidia.com/cuda-downloads)

2. 安装如下物件：

• git
  
• python
  
• cmake
  
• Visual Studio Community (make sure you install this with the following settings)
  
  
  
  • Desktop development with C++
    
  • development
    
  • Linux embedded development with C++
    
  
  

3. Clone git repository recursively to get llama.cpp submodule as well

git clone --recursive -j8 https://github.com/abetlen/llama-cpp-python.git
4. Open up a command Prompt and set the following environment variables.

1. set FORCE_CMAKE=1
2. set CMAKE_ARGS=-DLLAMA_CUBLAS=ON

复制代码

5. 复制文件从Cuda到VS：**

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3\extras\visual_studio_integration\MSBuildExtensions下面有四个文件，全部copy。

然后复制到：
C:\Program Files\Microsoft Visual Studio\2022\Community\MSBuild\Microsoft\VC\v170\BuildCustomizations下面。
6. Compiling and installing

1. cd\llama-cpp-python
2. python -m pip install -e .

复制代码

7. 检查成果：

1. >>> from llama_cpp import Llama
2. >>> llm = Llama(model_path="llama-2-7b-chat.Q8_0.gguf",n_gpu_layers=-1)

复制代码

结果：

1. ggml_init_cublas: GGML_CUDA_FORCE_MMQ:   no
2. ggml_init_cublas: CUDA_USE_TENSOR_CORES: yes
3. ggml_init_cublas: found 1 CUDA devices:
4.   Device 0: NVIDIA GeForce RTX 4090, compute capability 6.1, VMM: yes
5. llama_model_loader: loaded meta data with 19 key-value pairs and 291 tensors from llama-2-7b-chat.Q8_0.gguf (version GGUF V2)
6. llama_model_loader: Dumping metadata keys/values. Note: KV overrides do not apply in this output.
7. llama_model_loader: - kv   0:                       general.architecture str              = llama
8. llama_model_loader: - kv   1:                               general.name str              = LLaMA v2
9. llama_model_loader: - kv   2:                       llama.context_length u32              = 4096
10. llama_model_loader: - kv   3:                     llama.embedding_length u32              = 4096
11. llama_model_loader: - kv   4:                          llama.block_count u32              = 32
12. llama_model_loader: - kv   5:                  llama.feed_forward_length u32              = 11008
13. llama_model_loader: - kv   6:                 llama.rope.dimension_count u32              = 128
14. llama_model_loader: - kv   7:                 llama.attention.head_count u32              = 32
15. llama_model_loader: - kv   8:              llama.attention.head_count_kv u32              = 32
16. llama_model_loader: - kv   9:     llama.attention.layer_norm_rms_epsilon f32              = 0.000001
17. llama_model_loader: - kv  10:                          general.file_type u32              = 7
18. llama_model_loader: - kv  11:                       tokenizer.ggml.model str              = llama
19. llama_model_loader: - kv  12:                      tokenizer.ggml.tokens arr[str,32000]   = ["<unk>", "<s>", "</s>", "<0x00>", "<...
20. llama_model_loader: - kv  13:                      tokenizer.ggml.scores arr[f32,32000]   = [0.000000, 0.000000, 0.000000, 0.0000...
21. llama_model_loader: - kv  14:                  tokenizer.ggml.token_type arr[i32,32000]   = [2, 3, 3, 6, 6, 6, 6, 6, 6, 6, 6, 6, ...
22. llama_model_loader: - kv  15:                tokenizer.ggml.bos_token_id u32              = 1
23. llama_model_loader: - kv  16:                tokenizer.ggml.eos_token_id u32              = 2
24. llama_model_loader: - kv  17:            tokenizer.ggml.unknown_token_id u32              = 0
25. llama_model_loader: - kv  18:               general.quantization_version u32              = 2
26. llama_model_loader: - type  f32:   65 tensors
27. llama_model_loader: - type q8_0:  226 tensors
28. llm_load_vocab: special tokens definition check successful ( 259/32000 ).
29. llm_load_print_meta: format           = GGUF V2
30. llm_load_print_meta: arch             = llama
31. llm_load_print_meta: vocab type       = SPM
32. llm_load_print_meta: n_vocab          = 32000
33. llm_load_print_meta: n_merges         = 0
34. llm_load_print_meta: n_ctx_train      = 4096
35. llm_load_print_meta: n_embd           = 4096
36. llm_load_print_meta: n_head           = 32
37. llm_load_print_meta: n_head_kv        = 32
38. llm_load_print_meta: n_layer          = 32
39. llm_load_print_meta: n_rot            = 128
40. llm_load_print_meta: n_embd_head_k    = 128
41. llm_load_print_meta: n_embd_head_v    = 128
42. llm_load_print_meta: n_gqa            = 1
43. llm_load_print_meta: n_embd_k_gqa     = 4096
44. llm_load_print_meta: n_embd_v_gqa     = 4096
45. llm_load_print_meta: f_norm_eps       = 0.0e+00
46. llm_load_print_meta: f_norm_rms_eps   = 1.0e-06
47. llm_load_print_meta: f_clamp_kqv      = 0.0e+00
48. llm_load_print_meta: f_max_alibi_bias = 0.0e+00
49. llm_load_print_meta: n_ff             = 11008
50. llm_load_print_meta: n_expert         = 0
51. llm_load_print_meta: n_expert_used    = 0
52. llm_load_print_meta: rope scaling     = linear
53. llm_load_print_meta: freq_base_train  = 10000.0
54. llm_load_print_meta: freq_scale_train = 1
55. llm_load_print_meta: n_yarn_orig_ctx  = 4096
56. llm_load_print_meta: rope_finetuned   = unknown
57. llm_load_print_meta: model type       = 7B
58. llm_load_print_meta: model ftype      = Q8_0
59. llm_load_print_meta: model params     = 6.74 B
60. llm_load_print_meta: model size       = 6.67 GiB (8.50 BPW)
61. llm_load_print_meta: general.name     = LLaMA v2
62. llm_load_print_meta: BOS token        = 1 '<s>'
63. llm_load_print_meta: EOS token        = 2 '</s>'
64. llm_load_print_meta: UNK token        = 0 '<unk>'
65. llm_load_print_meta: LF token         = 13 '<0x0A>'

复制代码

显卡终于在列，可以玩儿了。

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。