当前位置：首页 > news >正文

只想简单跑个 AI 大模型，却发现并不简单

news 2024/10/25 16:20:26

之前我用 Ollama 在本地跑大语言模型（可以参考《AI LLM 利器 Ollama 架构和对话处理流程解析》）。这次想再捣鼓点进阶操作，比如 fine-tuning。

我的想法是：既然有现成的大模型，为什么不自己整理些特定领域的数据集，给模型“加点料”呢？这样最后就能得到一个针对特定领域优化过的模型了。

不过，我很快发现，事情并没有想象的那么简单。想要 fine-tune ？那得先能通过代码的方式跑起来模型再说吧！于是，这篇文章就诞生了，记录了我如何“简单”跑个 AI 大模型，结果问题不断的过程。

云环境还是本地？

众所周知，跑 AI 模型最好有 GPU。好吧，我没有 GPU。那怎么办？没关系！云环境来救场！Google Colab、Kaggle Notebooks 都挺香的，毕竟谁不喜欢“白嫖”呢？我果断选择了 Colab，心想资源丰富又强大。

然而，现实狠狠打了我的脸。空闲 GPU 资源？不存在的！对于免费用户，GPU 资源完全是看缘分，没有就是没有。不过，除此之外，Colab 还是很好用的。

在这里插入图片描述

由于拿不到更好的资源，以及环境存在限制，我还是决定回到我的“战五渣”本地环境。

Python 环境：折腾得头秃

进入 AI 领域，Python 是不可避免的老大哥，但也正是因为它，噩梦开始了。你会遇到各种 Python 版本问题，还有管理依赖包的问题。于是你就开始在虚拟环境、各种工具的泥潭中挣扎。Conda、pipenv、pipx、poetry 各种工具轮番上场，最后传说中的“现代包管理器” poetry 装个 PyTorch 都失败了！这让我无比抓狂。

怎么办呢？还是得上 Docker！虚拟环境？各种工具？统统扔掉！我只需要一个干净的 Docker 环境，把代码目录挂载到容器里，简直不要太爽。

不过，还要处理下容器重启时需要重新下载依赖包的问题，有两种处理办法。第一种是弄镜像，选择一个包含各种依赖环境的大镜像，或者层层构建新的镜像，我嫌麻烦没这么做。第二种就是把依赖包直接持久化，存储到项目目录下（类似于 node.js 的 node_modules），然后把 PYTHONPATH 设置好，指向这些依赖的位置就行了。

在这里插入图片描述

再加上 VSCode 的 Remote Development 插件，开发环境终于完美拉起！再也不用担心折腾环境问题了，感觉人生都轻松了不少。

模型选择：总有一个适合你

环境搞定了，接下来该挑模型了（Hugging Face 欢迎你）。兴致勃勃地我决定试试火热的 LLaMA，结果 —— 你得申请权限。我以为随便填填表格就行，结果直接被拒绝了！我猜是因为我填的地区不对……

没事，拒绝就拒绝，天涯何处无模型。换个别的！嗯……想想吧，模型种类那么多，挑个生成文本的模型就行。于是，我瞄上了 Qwen。Qwen 跟 LLaMA 都是大家族，下面有多种不同参数的模型，为了不让我的电脑炸掉，最后挑了个小模型 Qwen/Qwen2.5-0.5B。

来吧，写好 “Hello, world”，开跑！然后 ………… 小模型也不太行啊，苦等了十几分钟，才给我回消息！不过我也倍感欣慰，毕竟模型是真回消息，速度也比招聘软件的 HR 们快多了。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望