MAC本地部署中文AI+LLaMA&Alpaca大语言模型踩坑

noise2023-05-162024-09-05

中文AI+LLaMA&Alpaca大语言模型项目地址：ymcui/Chinese-LLaMA-Alpaca: 中文LLaMA&Alpaca大语言模型+本地CPU/GPU部署 (Chinese LLaMA & Alpaca LLMs) (github.com)

心得记录：

LLaMA 原版模型实在不容易下载，泄露的全量包为219G

1	magnet:?xt=urn:btih:b8287ebfa04f879b048d4d4404108cf3e8014352&dn=LLaMA

模型合并很麻烦，位置错误也会不成功
如果你下载原版模型遇到困难，可以找我，不过我只下载了13B的模型，大小约12G

本地运行 LLaMA还可使用

cocktailpeanut/dalai: The simplest way to run LLaMA on your local machine (github.com)

主要还是以项目文档里的教程为主，这里引用其中的快速部署及模型对比

本地推理与快速部署

本项目中的模型主要支持以下量化、推理和部署方式。

推理和部署方式	特点	平台	CPU	GPU	量化加载	图形界面	教程
llama.cpp	丰富的量化选项和高效本地推理	通用	✅	✅	✅	❌	链接
🤗Transformers	原生transformers推理接口	通用	✅	✅	✅	✅	链接
text-generation-webui	前端Web UI界面的部署方式	通用	✅	✅	✅	✅	链接
LlamaChat	macOS下的图形交互界面（需搭配llama.cpp模型）	MacOS	✅	❌	✅	✅	链接
LangChain	LLM应用开发框架，适用于进行二次开发	通用	✅†	✅	✅†	❌	链接

测试任务	样例数	Alpaca-13B	Alpaca-Plus-7B	Alpaca-Plus-13B
💯总平均分	200	74.3	78.2	👍🏻80.8
知识问答	20	70	74	👍🏻79
开放式问答	20	77	77	77
数值计算、推理	20	61	61	60
诗词、文学、哲学	20	65	👍🏻76	👍🏻76
音乐、体育、娱乐	20	68	73	👍🏻80
写信、写文章	20	83	82	👍🏻87
文本翻译	20	84	87	👍🏻90
多轮交互	20	88	89	89
代码编程	20	65	64	👍🏻70
伦理、拒答	20	82	👍🏻99	👍🏻100

其他说明

[1] 重构需要原版LLaMA模型，去LLaMA项目申请使用或参考这个PR。因版权问题本项目无法提供下载链接。

[2] 经过重构后的模型大小比同等量级的原版LLaMA大一些（主要因为扩充了词表）。

[3] 下载后务必检查压缩包中模型文件的SHA256是否一致，请查看SHA256.md。

[4] Alpaca-Plus模型的合并方法略有不同，请参考合并教程。

压缩包内文件目录如下（以Chinese-LLaMA-7B为例）：

chinese_llama_lora_7b/
  - adapter_config.json		# LoRA权重配置文件
  - adapter_model.bin		# LoRA权重文件
  - special_tokens_map.json	# special_tokens_map文件
  - tokenizer_config.json	# tokenizer配置文件
  - tokenizer.model		# tokenizer文件

以下是各原模型和4-bit量化后的大小，转换相应模型时确保本机有足够的内存和磁盘空间（最低要求）：

模型版本	7B	13B	33B	65B
原模型大小（FP16）	13 GB	24 GB	60 GB	120 GB
量化后大小（8-bit）	7.8 GB	14.9 GB	-	-
量化后大小（4-bit）	3.9 GB	7.8 GB	19.5 GB	38.5 GB

合并模型

前面提到LoRA模型无法单独使用，必须与原版LLaMA进行合并才能转为完整模型，以便进行模型推理、量化或者进一步训练。请选择以下方法对模型进行转换合并。

方式	适用场景	教程
在线转换	Colab用户可利用本项目提供的notebook进行在线转换并量化模型	链接
手动转换	离线方式转换，生成不同格式的模型，以便进行量化或进一步精调	链接