LLaVA C++服务器项目下载及安装教程
2024-12-09 09:16:42作者:房伟宁
1. 项目介绍
LLaVA C++服务器是一个简单的API服务器,用于llama.cpp实现的LLaVA(Large Language and Vision Assistant)。该项目允许用户通过HTTP接口与LLaVA模型进行交互,支持图像和文本的输入输出。
2. 项目下载位置
项目源代码可以从GitHub上获取。你可以通过以下命令克隆项目到本地:
git clone https://github.com/trzy/llava-cpp-server.git
3. 项目安装环境配置
在开始安装之前,请确保你的系统满足以下要求:
- 操作系统:macOS(项目已在macOS上测试,但其他平台如Linux应该也能工作)
- 编译工具:GNU Make, GCC 或 Clang
- Git:用于克隆项目和初始化子模块
环境配置示例
以下是配置环境的步骤:
-
安装Git:
- macOS:使用Homebrew安装Git
brew install git - Linux:使用包管理器安装Git
sudo apt-get install git
- macOS:使用Homebrew安装Git
-
安装编译工具:
- macOS:使用Homebrew安装GCC
brew install gcc - Linux:使用包管理器安装GCC
sudo apt-get install build-essential
- macOS:使用Homebrew安装GCC
环境配置图片示例

4. 项目安装方式
-
克隆项目:
git clone https://github.com/trzy/llava-cpp-server.git cd llava-cpp-server -
初始化子模块:
git submodule init git submodule update -
编译项目:
make
5. 项目处理脚本
编译完成后,你可以使用以下命令启动服务器:
bin/llava-server -m ggml-model-q5_k.gguf --mmproj mmproj-model-f16.gguf
此命令将在localhost:8080启动服务器。你可以通过浏览器访问http://localhost:8080与服务器进行交互。
处理脚本示例
以下是一个简单的处理脚本示例,用于与LLaVA服务器进行交互:
import requests
url = 'http://localhost:8080/llava'
files = {'image_file': open('example.jpg', 'rb')}
data = {'user_prompt': 'What is this?'}
response = requests.post(url, files=files, data=data)
print(response.text)
通过上述步骤,你可以成功下载、安装并运行LLaVA C++服务器项目。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
544
668
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
928
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
415
74
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292