只想简单跑个 AI 大模型,却发现并不简单
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。
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。
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。
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)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
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
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
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)👈