设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

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

量子位 2023/5/21 18:54:05 责编:梦泽

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.git
2cd llama.cpp
3pacman -S cuda //make sure you have CUDA installed
4make 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.pin
2sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
3wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_64.deb
4sudo dpkg -i cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_64.deb
5sudo cp /var/cuda-repo-wsl-ubuntu-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
6sudo apt-get update
7sudo 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 mymamba
4micromamba activate mymamba
5micromamba 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。

相关文章

关键词:大模型显卡

软媒旗下网站: IT之家 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 软媒手机APP应用 魔方 最会买 要知