很多人可能对百度文心一言发布会的现场记忆犹新。几百亿身价的老板，像小学生一样汇报自己的 PPT，充满了忐忑。
其实大可不必，命令行更加富有科技感，也更有说服力。不管对程序员来说还是围观的群众来说，能干什么并不重要，实际输出什么才是大家最关心的。
毕竟把人当傻子的年代慢慢过去了。
这也难怪。ChatGPT 的模型越来越完善，资本家们都很着急。以往，打着开源的遮羞布，他们也可以拥有自己的自主产权。但没想到 ChatGPT 这么不识好歹，竟然将自己的核心技术夹的这么紧。
如果 ChatGPT 的能力，能够离线，能够运行在任何小型设备上，那么拥有独立人格的智能单元就会变成现实。这种设想，比集中化的大脑更有诱惑力。
这里，就有一个。你可以下载下来实际编译运行在在自己的MacBook上。
llama.cpp
https://github.com/xjjdog/llama.cpp。文末原文连接也可以直达！
这是一个 C++ 实现的 LLaMA 对话库。Java 和 Python的同学也不要被吓倒，它的使用超级简单。如果你遇到什么问题，欢迎到公众号（xjjdog）提问。
热门问题:
本仓库只是一点点代码。想要完整运行，需要 下载模型。
输出性能优化: https://github.com/ggerganov/llama.cpp/issues/64
创建一个
llama.cpplogo: https://github.com/ggerganov/llama.cpp/issues/105
描述
和ChatGPT对比起来，llama的好处是：使用普通的Macbook，Linux，甚至Docker、树莓派等，就可以运行类比于 ChatGPT 的对话模型。
纯C++代码，代码少，而且没有任何依赖
Apple 的M1 芯片也可以跑，而且有性能优化
x86架构拥有 AVX2 支持
在 CPU 上就能跑，不需要 GPU
支持的平台:
[X] Mac OS
[X] Linux
[X] Windows (via CMake)
[X] Docker
模型下载地址：
curl -o ggml-alpaca-7b-q4.bin -C - https://gateway.estuary.tech/gw/ipfs/QmQ1bf2BTnYxq73MFJWu1B7bQ2UD6qG7D7YDCxhTndVkPC
curl -o ggml-alpaca-7b-q4.bin -C - https://ipfs.io/ipfs/QmQ1bf2BTnYxq73MFJWu1B7bQ2UD6qG7D7YDCxhTndVkPC
curl -o ggml-alpaca-7b-q4.bin -C - https://cloudflare-ipfs.com/ipfs/QmQ1bf2BTnYxq73MFJWu1B7bQ2UD6qG7D7YDCxhTndVkPC那么，这个工具要怎么用呢？超级简单。
首先，将代码clone到本地。
git clone https://github.com/ggerganov/llama.cpp.git然后，进入到llama.cpp目录。
cd llama.cpp编译代码。
make生成后的文件名称叫做main，以后，我们只需要运行 ./main即可。
最重要的一步，你需要下载一个数据模型。否则 llama 是不知道加载什么数据来进行计算的。为了测试，我们下载一个最小的。这个文件大小有3.9G，你需要相应大小的内存预留。
curl -o ggml-alpaca-7b-q4.bin -C - https://gateway.estuary.tech/gw/ipfs/QmQ1bf2BTnYxq73MFJWu1B7bQ2UD6qG7D7YDCxhTndVkPC最后，我们就可以指定这个模型，来进行对话输出了。
./main -m ./ggml-alpaca-7b-q4.bin -p "Will the future be female?" -n 512 --colorm 指定的是模型的位置。
p 是对话或者问题。比如这里，我问我是否能够吃狗肉!
n 指定的是输出的文字数量，默认是128。
--color 输出彩色内容。
下面是一些输出。首先会将输入进行切分，然后生成内容，最后将耗时打印。
% ./main -m ./ggml-alpaca-7b-q4.bin -p "Can i eat dog?" -n 512 --colorNo you cannot! Eating dogs is illegal and against the law. It would be considered animal abuse, so please don’t do it under any circumstances…unless you are a cannibalmain: mem per token = 14368644 bytes
main: load time = 743.12 ms
main: sample time = 455.50 ms
main: predict time = 46903.35 ms / 91.79 ms per token
main: total time = 48455.85 ms交互模式
如果你想要和ChatGPT一样有对话能力的话，也是可以的。需要加上 -i 参数，当然，也可以使用 -r User:参数输出一个提示符。
比如：
./main -m ./ggml-alpaca-7b-q4.bin -p "Will the future be female?" -n 128 --color -i -r "User:"授课模式
所谓授课模式，就是提供一个按照顺序输出的文件列表，让电脑按照顺序把答案输出。如果liyanhong使用这种模式，而不是ppt，估计效果会更好。
比如：
./main -m ./models/13B/ggml-model-q4_0.bin -n 256 --repeat_penalty 1.0 --color -i -r "User:" -f prompts/chat-with-bob.txt内存需求
内存的需求取决于你使用的模型。我们的测试使用的都是最简单的模型，所以4GB就够了。如果想要更精细的输出，你的内存需要更大一些。
| model | original size | quantized size (4-bit) |
|---|---|---|
| 7B | 13 GB | 3.9 GB |
| 13B | 24 GB | 7.8 GB |
| 30B | 60 GB | 19.5 GB |
| 65B | 120 GB | 38.5 GB |
Android
你甚至可以在Android上跑起来。如果你的内存够大，那么完全可以做一个小型对话机器人，还是本地的！
后面如果解决了部分加载的问题，Android的嵌入式应用会非常方便。
End
人类有用的知识库看起来很多，但其实训练下来，最多也不会超过TB级别。当然也不能这么说，计算机也是由 0 和 1 组成的，但现在它几乎什么都能做。但无疑，除了训练算法，对于使用者来说，模型才是最重要的。
把这些有限的数据预装在小型的设备中，这就会成为最小的智能体。在数据中加入人格（目前的Chat系列是可以做到的），这个智能体就可以充当我们的秘书、代言人，甚至男女朋友。
嗯，一切皆有可能。从现在开始注意养生，活的长一点点，来看看未来世界的样子！
推荐阅读：
1. 玩转Linux
2. 什么味道专辑
3. 蓝牙如梦
4. 杀机！
5. 失联的架构师，只留下一段脚本
6. 架构师写的BUG，非比寻常
7. 有些程序员，本质是一群羊！
本文链接：https://my.lmcjl.com/post/1205.html
4 评论