阿里千问通义本地大模型一键运行包

hanbang2014 • 2024-05-07 12:56 • 新手入门 • 阅读 1419

本来打算假期前更新出来的，因为一些事情拖到现在更新。今天带来的是阿里的千问通义本地大模型运行包，无需任何key，下载压缩点击即可运行。文件一共15G左右，需要准备最低20G以上的硬盘和最低显存4G。

通义千问的开源工作做得非常棒。他们在两个平台上发布了模型，一个是自家的魔搭（ModelScope）平台，可以快速地在阿里云上运行；另一个是在huggingface平台上，为国际玩家提供服务。此外，在Github上也提供了非常完善的文档，其中包括中文、英文和日文版本。

目前发布的模型有7B和14B，其中包括基础模型、聊天模型和量化模型。此外，还有VL模型，即大规模视觉语言模型。Qwen-VL可以以图像、文本和检测框作为输入，并以文本和检测框作为输出。

在本次尝试中，我主要测试了7B和14B的量化版本。我使用的是NVIDIA GeForce 3060显卡，并且能够流畅对话。

硬件准备：

需要一张显存4G+的英伟达显卡。比如1070+，2060s+，3060+, 3090,+，4060+，4090等等

2. 软件环境

操作系统Win11/Win10

其他基本不需要自己准备。

3. 使用方法

首先，获取软件包并解压。最好是解压在某个盘的根路径下面。如果是子路径，注意不要用中文和空格。

特色：

无需任何其他环境配置，只需硬件跟上，解压即可使用，无需安装其他扩展。

下载解压后的文件包为：

本模型为千问通义一键运行包，本模型默认使用的1.8B小模型，支持显卡显存最低3.5G即可。本一键安装包另外带7B模型，支持显卡为7G以上，如果你是高配显卡可以自己设置。
如果你想加入更高的千问模型，可以把模型包放入/models下然后配置下即可。

本一键运行包，包括窗口运行，web运行，api运行三种方式
窗口运行文件为根目录的：cli_demo.py 如果要替换7B大模型，可以打开这个文件找到Qwen-1_8B-Chat-Int4，替换为Qwen-7B-Chat-Int4

web运行文件为根目录的：web_demo.py 如果要替换7B大模型，可以打开这个文件找到Qwen-1_8B-Chat-Int4，替换为Qwen-7B-Chat-Int4

api运行文件为根目录的：api.py 如果要替换7B大模型，可以打开这个文件找到Qwen-1_8B-Chat-Int4，替换为Qwen-7B-Chat-Int

本地搭建api的为post请求，请求的接口以php为例：

并且api的为post请求，你请求的接口以php为例：
// 创建一个cURL资源  
$ch = curl_init();  
// 设置URL和其他选项  

$url = 'http://127.0.0.1:8001/v1/chat/completions'; // 替换为你的目标URL  
curl_setopt($ch, CURLOPT_URL, $url);  
curl_setopt($ch, CURLOPT_POST, true);  
curl_setopt($ch, CURLOPT_TIMEOUT, 6000); 
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);  

curl_setopt($ch, CURLOPT_POSTFIELDS, json_encode([  
    'model' => 'gpt-3.5-turbo',  
    'messages' => [  
        ['role' => 'user', 'content' => $keyword]  
    ]  
]));  

curl_setopt($ch, CURLOPT_HTTPHEADER, array(  
    'Connection: keep-alive', 
    'Content-Type: application/json',  
    'Content-Length: ' . strlen(json_encode([  
        'model' => 'gpt-3.5-turbo', 
        'messages' => [  
            ['role' => 'user', 'content' => $keyword]  
        ]  
    ]))  
));  

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);  
// 执行请求并获取响应  
$response = curl_exec($ch); 
var_dump($response);

欢迎大家开心使用吧！本模型本来就是开源不收费的，因为需要自己时间打包整合，所以象征性收30元，如果有其他问题也可以一起讨论学习！