6G 显存玩转 130 亿参数大模型，仅需 13 行命令，RTX2060 用户发来贺电

Meta 的大语言模型 LLaMA 13B，现在用 2060 就能跑了~

羊驼家族的 Alpaca 和 Vicuna 也都能运行，显存最低只需要 6G，简直是低 VRAM 用户的福音有木有。

GitHub 上的搭建教程火了之后，网友们纷纷跑来问苹果 M2 是不是也能跑。

这通操作的大致原理是利用最新版 CUDA，可以将 Transformer 中任意数量的层放在 GPU 上运行。

与此前 llama.cpp 项目完全运行在 CPU 相比，用 GPU 替代一半的 CPU 可以将效率提高将近 2 倍。

而如果纯用 GPU，这一数字将变成 6 倍。

网友实测的结果中，使用 CPU 每秒能跑 2.1 个 token，而用 GPU 能跑 3.2 个。

生成的内容上，开发者成功用它跑出了“尼采文学”。

如何操作

在开始搭建之前，我们需要先申请获得 LLaMA 的访问权限。

传送门：https://ai.facebook.com/ blog / large-language-model-llama-meta-ai/

此外还需要有一个 Linux 环境。（Windows 用户可以用 WSL2）

准备工作完成之后，第一步是将 llama.cpp 克隆到本地。

1git clone https://github.com/ggerganov/llama.cpp.git2cd llama.cpp3pacman -S cuda //make sure you have CUDA installed4make LLAMA_CUBLAS=1

如果没有安装 CUDA，可以参考下面的步骤：

1wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin2sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-6003wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_64.deb4sudo dpkg -i cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_64.deb5sudo cp /var/cuda-repo-wsl-ubuntu-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/6sudo apt-get update7sudo apt-get -y install cuda

然后是建立 micromamba 环境，安装 Python 和 PyTorch 等工具。

接着需要在 micromamba 环境下安装一些包：

1export MAMBA_ROOT_PREFIX=（自定义安装路径）2eval "$(micromamba shell hook --shell=bash)"3micromamba create -n mymamba4micromamba activate mymamba5micromamba install -c conda-forge -n mymamba pytorch transformers sentencepiece

然后运行 Python 脚本以执行转换过程：

1python convert.py ~/ai/Safe-LLaMA-HF-v2\ \(4-04-23\)/llama-13b/

之后将其量化为 4bit 模式。

1./quantize ~/ai/Safe-LLaMA-HF-v2\ \(4-04-23\)/llama-13b/ggml-model-f16.bin ~/ai/Safe-LLaMA-HF-v2\ \(4-04-23\)/llama-13b/ggml-model-13b-q4_0-2023_14_5.bin q4_0 8

接着是新建一个 txt 文本文档，把提示词输入进去，然后就可以运行了。

1./main -ngl 18 -m ~/ai/Safe-LLaMA-HF-v2\ \(4-04-23\)/llama-13b/ggml-model-13b-q4_0-2023_14_5.bin -f 文档名称txt -n 2048q4_0 8

这步当中-ngl 后面的数字是可以修改的，它代表了转换层的数量。

当该值为 18 时，运行中消耗的 VRAM 为 5.5GB，根据显存的大小最高可以调至 40。

网友：AMD 不配吗

这一教程出现之后，网友们的新玩具又增加了。

“苦 OpenAI 久矣”的网友更是感觉仿佛找到了光。

这位网友就表示自己太期待在自己的设备上运行 LLM 了，宁愿花 5 千美元购置设备也不想给 OpenAI 交一分钱。

但 AMD 用户可能就不那么兴奋了，甚至透露出了嫉妒之情。

这套方法要用到 CUDA（英伟达专用），所以 AMD 是不配了吗？

那么，你期待用自己的设备跑大语言模型吗？

参考链接：

• [1].https://gist.github.com/rain-1/8cc12b4b334052a21af8029aa9c4fafc

• [2].https://twitter.com/_akhaliq/status/1657779996247588865

• [3].https://news.ycombinator.com/item?id=35937505

本文来自微信公众号：量子位 （ID：QbitAI），作者：克雷西

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。