AX-LLM 项目使用教程
2025-04-17 12:02:00作者:管翌锬
1. 项目目录结构及介绍
AX-LLM 项目的主要目录结构如下:
ax-llm/
├── .gitignore
├── .gitmodules
├── CMakeLists.txt
├── LICENSE
├── README.md
├── build.sh
├── scripts/
├── src/
├── third_party/
├── toolchains/
├── tools/
├── qtproj/
│ ├── LLM-Chat
├──.github/
│ └── workflows/
.gitignore:Git 忽略文件列表,用于指定在 Git 仓库中应当忽略的文件和目录。.gitmodules:用于记录子模块的信息。CMakeLists.txt:CMake 的配置文件,用于构建项目。LICENSE:项目的许可协议文件,本项目采用 BSD-3-Clause 许可。README.md:项目的说明文件,包含了项目的概述、使用说明和联系方式等信息。build.sh:项目的编译脚本,用于简化编译过程。scripts/:脚本目录,包含了项目构建和运行过程中所需的脚本文件。src/:源代码目录,包含了项目的核心源代码文件。third_party/:第三方库目录,用于存放项目依赖的外部库。toolchains/:工具链目录,包含了项目构建所需的工具链配置。tools/:工具目录,包含了项目开发过程中可能用到的工具。qtproj/:Qt 项目目录,包含了基于 Qt 框架的 LLM-Chat 项目。.github/workflows/:GitHub Actions 工作流目录,用于自动化项目的构建和测试等流程。
2. 项目的启动文件介绍
项目的启动文件是 build.sh,该脚本用于自动化编译过程。以下是启动文件的简要介绍:
# 进入项目目录
cd ax-llm
# 递归克隆子模块
git clone --recursive https://github.com/AXERA-TECH/ax-llm.git
# 修改 build.sh 中的 BSP_MSP_DIR 变量以指向正确的板级支持包目录
# 运行编译脚本
./build.sh
在运行 build.sh 脚本之前,确保已经正确配置了环境变量和依赖项。编译完成后,在 build/install/bin 目录下会生成可执行文件。
3. 项目的配置文件介绍
项目的配置文件是 CMakeLists.txt,该文件用于配置 CMake 构建系统。以下是配置文件的关键部分介绍:
cmake_minimum_required(VERSION 3.10)
# 设置项目名称和版本
project(AX-LLM VERSION 1.0)
# 设置 C++ 标准版本
set(CMAKE_CXX_STANDARD 14)
# 配置编译选项
set(CMAKE_BUILD_TYPE Release)
# 查找并包含所需的库
find_package(所需的库 REQUIRED)
# 添加子目录
add_subdirectory(src)
# 指定可执行文件输出目录
set(CMAKE_EXECUTABLE_PATH ${CMAKE_SOURCE_DIR}/build/install/bin)
# 定义源文件和目标链接库
add_executable(AX-LLM src/main.cpp)
target_link_libraries(AX-LLM REQUIRED 库列表)
在 CMakeLists.txt 文件中,需要根据项目实际情况配置编译选项、查找依赖库和指定源文件等。确保所有依赖项都已正确安装,并且路径设置正确。
通过以上介绍,用户可以开始对 AX-LLM 项目进行编译和运行。在遇到问题时,可以参考项目的 GitHub 仓库中的 README.md 文件或者通过 GitHub issues 或 QQ 群等渠道寻求帮助。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (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
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
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
261
92