wdndev commited on
Commit
7e26914
·
1 Parent(s): f6eb605
Files changed (1) hide show
  1. README.md +72 -0
README.md ADDED
@@ -0,0 +1,72 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ # Tiny LLM llama.cpp
2
+
3
+ ## 1.简介
4
+
5
+ 本仓库为 [tiny llm 92m]([wdndev/tiny-llm-zh: 从零实现一个小参数量中文大语言模型。 (github.com)](https://github.com/wdndev/tiny-llm-zh)) 量化模型,详细请参考仓库;
6
+
7
+ Tiny LLM 92M 模型已支持 llama.cpp C++ 推理框架,建议在 linux 环境下测试,windows效果不好;
8
+
9
+ 所支持 llama.cpp 为自己修改的版本,仓库链接为: [llama.cpp.tinyllm](https://github.com/wdndev/llama.cpp.tinyllm)
10
+
11
+ ### 1.1 llama.cpp
12
+
13
+ llama.cpp 是一个C++库,用于简化LLM推理的设置。它使得在本地机器上运行Qwen成为可能。该库是一个纯C/C++实现,不依赖任何外部库,并且针对x86架构提供了AVX、AVX2和AVX512加速支持。此外,它还提供了2、3、4、5、6以及8位量化功能,以加快推理速度并减少内存占用。对于大于总VRAM容量的大规模模型,该库还支持CPU+GPU混合推理模式进行部分加速。本质上,llama.cpp的用途在于运行GGUF(由GPT生成的统一格式)模型。
14
+
15
+ ### 1.2 gguf
16
+
17
+ GGUF是指一系列经过特定优化,能够在不同硬件上高效运行的大模型格式。这些模型格式包括但不限于原始格式、exl2、finetuned模型(如axolotl、unsloth等)。每种格式都有其特定的应用场景和优化目标,例如加速模型推理、减少模型大小、提高模型准确性等。
18
+
19
+
20
+ ## 2.使用
21
+
22
+ ### 2.1 准备
23
+
24
+ 建议使用 linux 系统
25
+
26
+ ```shell
27
+ git clone https://github.com/wdndev/llama.cpp.tinyllm
28
+ cd llama.cpp.tinyllm
29
+ ```
30
+
31
+ 然后运行 make 命令:
32
+
33
+ ```shell
34
+ make
35
+ ```
36
+
37
+ 然后你就能使用 `llama.cpp` 运行GGUF文件。
38
+
39
+ ### 2.2 模型转化
40
+
41
+ 先需要按照如下所示的方式为fp16模型创建一个GGUF文件:
42
+
43
+ ```shell
44
+ python convert-hf-to-gguf.py wdndev/tiny_llm_sft_92m --outfile models/tinyllm/tinyllm-92m-fp16.gguf
45
+ ```
46
+
47
+ 其中,第一个参数指代的是预训练模型所在的路径或者HF模型的名称,第二个参数则指的是想要生成的GGUF文件的路径;在运行命令之前,需要先创建这个目录。
48
+
49
+ 下面需要根据实际需求将其量化至低比特位。以下是一个将模型量化至4位的具体示例:
50
+
51
+ ```shell
52
+ ./llama-quantize models/tinyllm/tinyllm-92m-fp16.gguf models/tiny_llm_92m/tinyllm-92m-q4_0.gguf q4_0
53
+ ```
54
+
55
+ 到现在为止,已经完成了将模型量化为4比特,并将其放入GGUF文件中。这里的 q4_0 表示4比特量化。现在,这个量化后的模型可以直接通过llama.cpp运行。
56
+
57
+ ### 2.3 推理
58
+
59
+ 使用如下命令可以运行模型
60
+
61
+ ```shell
62
+ ./llama-cli -m ./models/tinyllm/tinyllm-92m-fp16.gguf -p "<|system|>\n你是由wdndev开发的个人助手。\n<|user|>\n请介绍一下北京,你好。\n<|assistant|>\n" -n 128 --repeat-penalty 1.2 --top-p 0.8 --top-k 0
63
+ ```
64
+
65
+ `-n` 指的是要生成的最大token数量。这里还有其他超参数供你选择,并且你可以运行
66
+
67
+ ```shell
68
+ ./llama-cli -h
69
+ ```
70
+ 以了解它们
71
+
72
+