编译 | 段祎
编辑 |
芯东西3月30日消息，3月25日，据Tom’s 报道，一位名叫Les 的技术人员修改了软件开发者 写的C/C++模型llama.cpp。Les 称，使用具有8GB RAM的 Pi 4（树莓派：微型电脑主板）下载llama.cpp后，通过运行代码可以创建一个基于LLaMA（社交软件巨头Meta开发的大型语言模型）的类似的聊天机器人。
不过由于中端硬件算力方面的限制， Pi 4上的LLaMA运行缓慢，加载聊天内容可能需要几分钟时间。如果想要一个响应更快的聊天机器人，需要配备RTX 3000系列的计算机或更快的GPU。
运行像这样的聊天机器人需要强大算力GPU的支持。从诸如GPT-4、LLaMA等大型语言模型开源以来，许多相关技术人员通过再次开发程序，改变配置，使此类大型语言模型可以成功应用于消费级PC、 Pi等中端硬件上。如果追求该模型的运行速度，可以使用Linux台式机或笔记本电脑。
一、大模型对本地硬件的要求：运算效率高，内存容量大
此前，如果要想在电脑上运行，不仅需要强大的算力硬件核心，如CPU+GPU、FPGA、ASIC等，而且还需要考虑硬件的稳定性、吞吐量、运算效率等。如今，随着各大型语言模型开源，找到获取它们的路径并不难，但这些大型语言模型占用的内存依旧却非常之大。
例如LLaMa-13B包含36.3GiB（注：计算机硬盘存储单位）的主要数据、6.5GiB用于预量化的4比特模型。这需要24GB VRAM和64GB系统内存的显卡才能获取。甚至还有一个650亿参数的语言模型，需要有英伟达A100 40GB PCIe卡以及128GB的系统内存才能下载获取。
想要以16比特精度运行基本语言模型，使用英伟达的RTX 4090、RTX 3090 Ti、RTX 3090或Titan RTX显卡可以将性能发挥到最好。所有具有24GB VRAM的卡都可以用于运行具有70亿个参数的语言模型（LLaMa-7B），但很少有家庭用户可能拥有这样的显卡。
但若以8比特精度加载语言模型，就可将VRAM内存容量减半，这意味着任何具有至少10GB VRAM的显卡可以运行LLaMa-7B。以此类推，更好的是，以4比特精度加载语言模型再次将VRAM内存容量减半，从而让LLaMa-13B在10GB VRAM上工作。
▲英伟达RTX 4090（图源：Tom’s ）
对硬件配置的高要求限制了其在类似树莓派这样的中端硬件上运行，但依靠 开发的C/C++模型llama.cpp，完成这个项目只需要8GB RAM的 Pi 4、具有16GB RAM运行Linux的PC、16GB或更大的格式化为NTFS的USB驱动器。
二、在 Pi 4上运行LLaMA，生成“BOb”聊天机器人
该过程的第一部分是在Linux PC上设置llama.cpp，下载LLaMA 7B模型，转换它们，然后将它们复制到USB驱动器上。同时需要使用Linux PC来转换模型，因为 Pi中的8GB RAM是不够的。具体操作如下：
1、在Linux PC上打开终端并确保安装了Git（开源的分布式版本控制软件）：
2、使用Git克隆数据库：
3、安装一系列模块，这些模块将与LLaMA模型一起创建聊天机器人：
4、确保安装了G++和build ，这些是构建C程序所必须的：
5、在终端中将文件目录更改为llama.cpp：
6、构建项目文件，按回车键运行：
7、使用以下链接下载LLaMA 7B ：
8、优化下载，只下载7B和文件，其他文件大小达数百GB：
▲操作图（图源：Tom’s ）
9、将LLaMA 7B和分词器文件复制到/llama.cpp//。
10、在主目录中打开终端并转到llama.cpp文件夹：
11、将LLaMA 7B模型转换为ggml FP16格式。这可能需要消耗一段时间，使用16GB RAM会使速度更快。此操作将整个13GB /7B/.00.pth文件作为模型加载到RAM中。在8GB Pi 4上尝试此步骤将导致非法指令错误。
12、减少LLaMA 7B模型的大小，将模型量化为4比特：
13、将//的内容复制到USB驱动器。
最后一部分，在 Pi 4上重复llama.cpp设置，然后使用USB驱动器复制模型。然后加载一个交互式聊天会话并问“Bob”一系列问题，除了要求它编写代码。此过程中的第9步可以在 Pi 4或Linux PC上运行。
▲代码图（图源：Tom’s ）
1、在桌面启动 Pi 4。
2、打开终端并确保安装了Git：
3、使用Git克隆数据库：
4、安装一系列模块，这些模块将与LLaMA模型一起创建聊天机器人：
5、确保安装了G++和build ，这些是构建C程序所必须的：
6、在终端中将文件目录更改为llama.cpp：
7、构建项目文件，按回车键运行：
8、插入USB驱动器并将文件复制到//，这将覆盖模型目录中的所有文件。
9、开始与“Bob”聊天会话。这是需要一点耐心的地方，尽管LLaMA 7B模型比其他模型占用内存更小，但对于体积本身就很小的 Pi来说，它的内存仍然较大，故加载模型可能需要几分钟时间。
10、问“Bob”一个问题，然后按Enter。
▲代码图（图源：Tom’s ）
结语：借力开源大模型，中端硬件也能跑聊天机器人
聊天机器人的爆火吸引了大量用户，人们对类似的生成式AI产生了浓厚的兴趣。自社交巨头的母公司Meta最近发布全新人工智能大型语言模型LLaMA以来，研究人员和工程师都在积极探索人工智能应用和相关功能。接受了20种语言训练的LLaMA模型已经被大量开发者在生成文本、对话、总结书面材料等应用。
通过采用C/C++和语言将LLaMA模型应用在体积小巧的树莓派上，生成的“BOb”机器人便可以和用户进行简单对话，这种自我参与创建聊天机器人并不需要高算力的GPU就能运行。对于人们来说，在简单的硬件上DIY一个专属聊天机器人也不失趣味。
相关文章
