1.写在前面
就在7月19日，MetaAI开源了LLama2大模型，Meta 首席科学家、图灵奖获得者 Yann LeCun在推特上表示Meta 此举可能将改变大模型行业的竞争格局。一夜之间，大模型格局再次发生巨变。
![]()
推文上列了Llama2的网站和论文，小卷给大家贴一下，感兴趣的友友可以自己看看
站点：https://ai.meta.com/llama/
论文：https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/
Github页：https://github.com/facebookresearch/llama
2.LLama2是什么
Llama官网的说明是Llama2下一代开源大语言模型，可免费用于学术研究或商业用途。
目前模型有7B、13B、70B三种规格，预训练阶段使用了2万亿Token，SFT阶段使用了超过10w数据，人类偏好数据超过100w。
![]()
另外大家最关心的Llama2和ChatGPT模型的效果对比，在论文里也有提到，
对比GPT-4，Llama2评估结果更优，绿色部分表示Llama2优于GPT4的比例
![]()
虽然中文的占比只有0.13%，但后续会有一大推中文扩充词表预训练&领域数据微调的模型被国人放出。这不才开源几天而已，GIthub上就已经有基于Llama2的中文大模型了。。。
3.部署使用
关于LLama2的技术细节就不再多说了，大家可以自行查阅。接下来就教大家怎么自己玩一玩LLama2对话大模型。
大部分人都是没有本地GPU算力的，我们选择在云服务器上部署使用。我这里用的是揽睿星舟平台的GPU服务器（便宜好用，3090只要1.9/小时，且已在平台上预设了模型文件，无需再次下载）
新用户注册还送2小时的3090算力，记得注册时码写4104
3.1新建空间
登录：https://www.lanrui-ai.com/console/workspace
创建一个工作空间，运行环境镜像挂载公有镜像：pytorch: official-torch2.0-cu1117。选择预训练模型：llama-2-7b 和 llama-2-7b-chat。然后创建实例
![]()
3.2下载代码
实例创建完成后，以jupyterLab方式登录服务器，新建一个Terminal，然后进入到data目录下
cd data
下载代码
执行下面的命令从GIthub上拉取llama的代码
sudo git clone https://github.com/facebookresearch/llama.git
下载完成后，会多一个llama目录
![]()
3.3运行脚本
进入llama目录
cd llama
安装依赖
sudo pip install -e .
测试llama-2-7b模型的文本补全能力
命令行执行：
torchrun --nproc_per_node 1 example_text_completion.py \
--ckpt_dir ../../imported_models/llama-2-7b/Llama-2-7b \
--tokenizer_path ../../imported_models/llama-2-7b/Llama-2-7b/tokenizer.model \
--max_seq_len 128 --max_batch_size 4
文本补齐效果示例：
![]()
上面的例子是在python脚本里写了一段话，让模型补全后面的内容。
测试llama-2-7b模型的对话能力
修改llama目录权限为777，再修改example_chat_completion.py文件中的ckpt_dir和tokenizer_path路径为你的llama-2-7b-chat模型的绝对路径
// 1.修改目录权限为可写入
chmod 777 llama
//2.修改example_chat_completion.py文件里的参数
ckpt_dir: str = "/home/user/imported_models/llama-2-7b-chat/Llama-2-7b-chat/",
tokenizer_path: str = "/home/user/imported_models/llama-2-7b-chat/Llama-2-7b-chat/tokenizer.model"
//3.运行对话脚本
torchrun --nproc_per_node 1 example_chat_completion.py
![]()
这里我修改提示语让它用中文回答，执行对话脚本后，对话效果如下：
torchrun --nproc_per_node 1 example_chat_completion.py
![]()
说明：目前官方还没有提供UI界面或是API脚本代码给咱使用，还没法进行对话交互，如果有懂python的友友，可以自行加个UI界面，欢迎大家留言讨论。
4.下载更多模型
llama代码里有download.sh脚本可以下载其他模型，但是下载需要的URL需要自行获取。下载步骤如下：
1.Meta AI网站获取下载URL
MetaAI下载模型页地址：https://ai.meta.com/llama/#download-the-model
![]()
点击Download后，要求填入一些信息和邮箱，提交后会给你的邮箱发一个下载URL，注意这个是你自己的下载链接哦~
下图是小卷邮箱里收到的模型下载链接
![]()
2.下载模型
服务器上命令行执行
sudo bash download.sh
接着按照提示粘贴下载URL和选择要下载的模型
![]()
总结
对于国内大模型使用来说，随着开源可商用的模型越来越多，国内大模型肯定会再次迎来发展机遇。
文章原创不易，欢迎多多转发，点赞，关注
