机器之心报道
编辑：小舟
Meta 发布的开源系列模型 LLaMA，将在开源社区的共同努力下发挥出极大的价值。
Meta 在上个月末发布了一系列开源大模型 ——LLaMA（Large Language Model Meta AI），参数量从 70 亿到 650 亿不等。由于模型参数量较少，只需单张显卡即可运行，LLaMA 因此被称为 ChatGPT 的平替。发布以来，已有多位开发者尝试在自己的设备上运行 LLaMA 模型，并分享经验。
虽然相比于 ChatGPT 等需要大量算力资源的超大规模的语言模型，单张显卡的要求已经很低了，但还能更低！最近有开发者实现了在 MacBook 上运行 LLaMA，还有开发者成功在 4GB RAM 的树莓派上运行了 LLaMA 7B。
这些都得益于一个名为 llama.cpp 的新项目，该项目在 GitHub 上线三天，狂揽 4.6k star。
项目地址：https://github.com/ggerganov/llama.cpp
Georgi Gerganov 是资深的开源社区开发者，曾为 OpenAI 的 Whisper 自动语音识别模型开发 whisper.cpp。
这次，llama.cpp 项目的目标是在 MacBook 上使用 4-bit 量化成功运行 LLaMA 模型，具体包括：
  • 没有依赖项的普通 C/C++ 实现；
  • Apple silicon first-class citizen—— 通过 Arm Neon 和 Accelerate 框架；
  • AVX2 支持 x86 架构；
  • 混合 F16 / F32 精度；
  • 4-bit 量化支持；
  • 在 CPU 上运行。
llama.cpp 让开发者在没有 GPU 的条件下也能运行 LLaMA 模型。项目发布后，很快就有开发者尝试在 MacBook 上运行 LLaMA，并成功在 64GB M2 MacBook Pro 上运行了 LLaMA 7B 和 LLaMA 13B。
在 M2 MacBook 上运行 LLaMA 的方法：https://til.simonwillison.net/llms/llama-7b-m2
如果 M2 芯片 MacBook 这个条件还是有点高，没关系，M1 芯片的 MacBook 也可以。另一位开发者分享了借助 llama.cpp 在 M1 Mac 上运行 LLaMA 模型的方法。
在 M1 Mac 上运行 LLaMA 的方法：https://dev.l1x.be/posts/2023/03/12/using-llama-with-m1-mac/
除了在 MacBook 上运行，还有开发者借助 llama.cpp 在 4GB RAM Raspberry Pi 4 上成功运行了 LLaMA 7B 模型。Meta 首席 AI 科学家、图灵奖得主 Yann LeCun 也点赞转发了。
以上是 3 个在普通硬件设备上成功运行 LLaMA 模型的例子，几位开发者都是借助 llama.cpp 实现的，可见 llama.cpp 项目的实用与强大。我们来具体看一下 llama.cpp 的使用方法。
以 7B 模型为例，运行 LLaMA 的大体步骤如下：
# build this repogitclone https://github.com/ggerganov/llama.cppcd llama.cppmake# obtain the original LLaMA model weights and place them in ./modelsls./models65B30B 13B 7B tokenizer_checklist.chk tokenizer.model# install Python dependenciespython3-m pip install torch numpy sentencepiece# convert the 7B model to ggml FP16 formatpython3convert-pth-to-ggml.py models/7B/ 1# quantize the model to 4-bits./quantize.sh7B# run the inference./main-m ./models/7B/ggml-model-q4_0.bin -t 8 -n 128
运行更大的 LLaMA 模型，需要设备有足够的存储空间来储存中间文件。
如果想获得像 ChatGPT 一样的交互体验，开发者只需要以 - i 作为参数来启动交互模式。
./main -m ./models/13B/ggml-model-q4_0.bin -t 8 -n 256 --repeat_penalty 1.0 --color -i -r "User:" \ -p \"Transcript of a dialog, where the User interacts with an Assistant named Bob. Bob is helpful, kind, honest, good at writing, andnever fails to answer the User's requests immediately and with precision.User: Hello, Bob.Bob: Hello. How may I help you today?User: Please tell me the largest city in Europe.Bob: Sure. The largest city in Europe is Moscow, the capital of Russia.User:"
使用 --color 区分用户输入和生成文本之后，显示效果如下：
一番操作下来，开发者就能在自己的简单设备上运行 LLaMA 模型，获得类 ChatGPT 的开发体验。以下是项目作者 Georgi Gerganov 给出的 LLaMA 7B 模型详细运行示例：
make-j && ./main -m ./models/7B/ggml-model-q4_0.bin -p "Building a website can be done in 10 simple steps:" -t 8 -n 512Illama.cpp build info:I UNAME_S: DarwinIUNAME_P: armIUNAME_M: arm64ICFLAGS: -I. -O3 -DNDEBUG -std=c11 -fPIC -pthread -DGGML_USE_ACCELERATEICXXFLAGS: -I. -I./examples -O3 -DNDEBUG -std=c++11 -fPIC -pthreadILDFLAGS: -framework AccelerateICC: Apple clang version 14.0.0 (clang-1400.0.29.202)I CXX: Apple clang version 14.0.0 (clang-1400.0.29.202)make: Nothing to be done for `default'.main: seed = 1678486056llama_model_load: loading model from './models/7B/ggml-model-q4_0.bin' - please wait ...llama_model_load: n_vocab = 32000llama_model_load: n_ctx = 512llama_model_load: n_embd = 4096llama_model_load: n_mult = 256llama_model_load: n_head = 32llama_model_load: n_layer = 32llama_model_load: n_rot = 128llama_model_load: f16 = 2llama_model_load: n_ff = 11008llama_model_load: ggml ctx size = 4529.34 MBllama_model_load: memory_size = 512.00 MB, n_mem = 16384llama_model_load: .................................... donellama_model_load: model size = 4017.27 MB / num tensors = 291main: prompt: 'Building a website can be done in 10 simple steps:'main: number of tokens in prompt = 151-> ''8893-> 'Build'292-> 'ing'263-> ' a'4700-> ' website'508-> ' can'367-> ' be'2309-> ' done'297-> ' in'29871-> ' '29896-> '1'29900-> '0'2560-> ' simple'6576-> ' steps'29901-> ':'samplingparameters: temp = 0.800000, top_k = 40, top_p = 0.950000Buildinga website can be done in 10 simple steps:1) Select a domain name and web hosting plan2)Complete a sitemap3)List your products4)Write product descriptions5)Create a user account6)Build the template7)Start building the website8)Advertise the website9)Provide email support10)Submit the website to search enginesAwebsite is a collection of web pages that are formatted with HTML. HTML is the code that defines what the website looks like and how it behaves.The HTML code is formatted into a template or a format. Once this is done, it is displayed on the user's browser.The web pages are stored in a web server. The web server is also called a host. When the website is accessed, it is retrieved from the server and displayed on the user's computer.A website is known as a website when it is hosted. This means that it is displayed on a host. The host is usually a web server.A website can be displayed on different browsers. The browsers are basically the software that renders the website on the user's screen.A website can also be viewed on different devices such as desktops, tablets and smartphones.Hence, to have a website displayed on a browser, the website must be hosted.A domain name is an address of a website. It is the name of the website.The website is known as a website when it is hosted. This means that it is displayed on a host. The host is usually a web server.A website can be displayed on different browsers. The browsers are basically the software that renders the website on the user’s screen.A website can also be viewed on different devices such as desktops, tablets and smartphones. Hence, to have a website displayed on a browser, the website must be hosted.A domain name is an address of a website. It is the name of the website.A website is an address of a website. It is a collection of web pages that are formatted with HTML. HTML is the code that defines what the website looks like and how it behaves.The HTML code is formatted into a template or a format. Once this is done, it is displayed on the user’s browser.A website is known as a website when it is hostedmain: mem per token = 14434244 bytesmain: load time = 1332.48 msmain: sample time = 1081.40 msmain: predict time = 31378.77 ms / 61.41 ms per tokenmain: total time = 34036.74 ms
看来，LLaMA 将在 Meta 和开源社区的共同努力下，成为众多开发者钻研大规模语言模型的入口。
探寻隐私计算最新行业技术，「首届隐语开源社区开放日」报名启程
春暖花开之际，诚邀广大技术开发者&产业用户相聚活动现场，体验数智时代的隐私计算生态建设之旅，一站构建隐私计算产业体系知识：
  • 隐私计算领域焦点之性
  • 分布式计算系统的短板与升级策略
  • 隐私计算跨平台互联互通
  • 隐语开源框架金融行业实战经验
3月29日，北京·798机遇空间，隐语开源社区开放日，期待线下面基。
点击阅读原文，立即报名。
© THE END 
转载请联系本公众号获得授权
投稿或寻求报道：[email protected]
继续阅读
阅读原文
关键词
模型
方法
LLaMA模型
上运行
开源社区