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”。

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。

如果没有安装CUDA，可以参考下面的步骤：

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：

然后运行Python脚本以执行转换过程：

之后将其量化为4bit模式。

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。

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。

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

“