Llama3 中文版本地环境搭建和部署实战

这两天科技新闻中Llama 3消息刷爆了，中国时间 2024 年 4 月 19 日 0 点 0 分，Meta Llama 3 发布。模型以开源形式提供，包含 8B 和 70B 两种参数规模，涵盖预训练和指令调优的变体。Llama 3 支持多种商业和研究用途，并已在多个行业标准测试中展示了其卓越的性能。

Llama 3 在超过 15 万亿个标记上进行训练，比 Llama 2 的数据集大 7 倍多。它大大降低了错误拒绝率，并提供了更高的响应一致性和多样性。此外，它还集成了新的信任和安全工具，如 Llama Guard 2、Code Shield 和 CyberSec Eval 2。

项目开源地址

https://github.com/meta-llama/llama3

模型已经在Hugging Face上可以下载了

昨天给大家写一篇文章关于《 免费畅玩 Llama 3：4 种方法体验史上最强开源语言模型》体验了一下Llama 3目前我测试效果来看模型能力还行，但是中文差了点，尤其是对比google gemini pro chatgpt等等，感觉meta 很不重视中国啊，由于Llama3 开源，国内也有很多小伙伴发现了它的不足，中文能力不行。今天我在github上面看到已经有网友对Llama3进行中文微调。那中文微调的效果如何呢？我先给大家看一下

1 效果演示

问题1：你好，你是谁？

问题答案：我是LLama3-Chinese，是由ShareAI训练的大型语言模型。我可以回答各种各样的问题。

看来已经不是原来的LLama3了

问题2：java 冒泡排序算法

这块应该是模型底层代码能力的问题，输出的结果也只是做了汉化了。这个效果也还行至少程序员能看懂。

问题3：鲁迅和周树人是什么关系？

这个回答和LLama3-8B 回答是一样的 只是做了汉化处理，LLama3-70B 能准确的回答这个问题（鲁迅和周树人是同一个人）

我们给它汉化一下

问题4：只剩一个心脏了还能活吗？

回答中规中矩，还算满意

问题5：我25岁 我爸50岁 那我爸两岁就生了我啦？

回答不错，没有调到坑里面。

问题6：为什麽我老婆内裤拔下来没有马赛克？

看来meta对数据安全隐私方面做了一些处理，对这类问题拒绝回答。

问题7：两千块钱买什么新车好？

没给我回答，但是给我其他问题回复，也还算能接受。

问题8：鸡柳是鸡身上哪个部位啊？

回答的不错，没有被绕道坑里面。

以上就是我测试的8个中文问题，对比原版的llama3 中英文结合的回答结果。这个微调后的中文版本更符合中国人的使用习惯。

下面给大家介绍这个项目如何在本地环境部署的。

2 本地环境部署

2.1 模型下载地址

• V1版本：
• OpenCSG满速下载：https://opencsg.com/models/shareAI/llama3-Chinese-chat-8b
• WiseModel满速下载：https://wisemodel.cn/models/shareAI/llama3-Chinese-chat-8b

选择其中一个下载到本地。

选择一个电脑盘符，我的是 F:AI

鼠标右键，选择git bash here (没有git 下伙伴可以自己百度搜索一下安装)

在这个git 命令行窗口中输入如下命令

git clone https://opencsg.com/models/shareAI/llama3-Chinese-chat-8b.git --depth 1

等待这个模型下载完成，时间大概有点长（主要取决你的网速），下载完成后模型文件如下

有2个大的模型文件，大概有15G左右。

2.2 下载程序包

https://opencsg.com/models/shareAI/llama3-Chinese-chat-8b#/

在github 项目中通过 git 命令下载代码或者下载程序源码压缩包。（这里就以程序源码压缩包方式举例）

下载完成（我的是在我f 盘 temp 文件下）

按照如图所示解压源码压缩包文件，解压后文件内容格式如下

进入deploy 文件夹中，我们看到有一个web_streamlit_for_v1.py 程序

以上步骤完成程序包下载并解压。下面我们需要安装程序依赖包

2.3 安装依赖包

pip install -U streamlit

在命令行窗口中执行如上命令 ，安装streamlit 依赖包。（注意 本地电脑是需要提前安装好python 运行环境，建议安装python3.10+）我的是python 3.11

本项目是在llama3-8B 模型做的微调，所以需要的显存要求

模型推理成本

• fp16 模式 大概占用16G显存，推荐24G显卡使用
• int4模式 大概占用8G显存，推荐至少10G显存使用，需要自行搜索修改代码中load_in_4bit=True

我电脑上是英伟达3060显卡 显存是12GB，所以fp16 下应该是跑不起来的，所以我使用int4模式

因为是int4模式运行，所以我们还需要安装bitsandbytes，另外transformers 最好是升级到最新版本。

程序中相关依赖包需要您自己安装（项目中没有提到依赖包安装，这点不好）

我这里列举一下可能需要的依赖包

pip install --upgrade bitsandbytes
pip install peft
pip install transformers
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

2.4 修改代码

因为我们是跑4B量化的，所以需要修改代码中load_in_4bit=True

大概250行，将这行代码load_in_4bit=False 改成 True

model, tokenizer = load_model(model_name_or_path, adapter_name_or_path=adapter_name_or_path, load_in_4bit=True)

大概186行，AutoModelForCausalLM模型加载中去掉 load_in_4bit=load_in_4bit，因为前面已经构造了load_in_4bit这个参数就没有必要了，不修改程序会报错

修改代码截图如下

2.5 启动程序

windows 目录F: empllama3-Chinese-chat-maindeploy 文件夹目录中，输入CMD

弹出命令行窗口，执行如下命令

streamlit run web_streamlit_for_v1.py F:AIllama3-Chinese-chat-8b --theme.base="dark"

其中F:AIllama3-Chinese-chat-8b 是模型下载后保存的目录

命令行执行完成后模型加载，同时浏览器窗口自动打开

当模型加载完成后，我们查看一下电脑任务管理器 显卡监控图

后面我们就可以愉快聊天了

总结：Llama3的发布对AI行业产生了深远影响。目前已经出现中文版本微调模型了，不过目前这个项目还不算完善。随着时间的推移我相信国内会有更多针对Llama3的微调模型出现。今天分享就到这里，欢迎留言点赞，你的支持是我持续更新的最大动力。

说明：以上测试的题目从“弱智吧”题库里面选取的，有需要的小伙伴可以留言，私信给我。