Llama 2 开源项目使用教程

1. 项目介绍

Llama 2 是一个开源的大型语言模型项目，由Meta AI发布。该项目提供了从7B到70B参数不等的预训练和微调语言模型，旨在帮助开发人员、创作者、研究人员以及各种规模的企业实验、创新和扩展他们的想法。这个存储库旨在作为加载Llama 2模型并运行推理的最低限度示例。对于使用HuggingFace的更详细示例，可以参考llama-recipes存储库。

2. 项目快速启动

首先，确保您的系统中安装了wget和md5sum工具。以下是在具有PyTorch和CUDA的conda环境中快速启动项目的步骤：

# 克隆存储库
git clone https://github.com/sunkx109/llama.git

# 进入存储库目录
cd llama

# 安装项目
pip install -e .

为了下载模型权重和分词器，请访问Meta AI网站并接受许可。一旦请求被批准，您将通过电子邮件收到一个签名的URL。然后运行download.sh脚本，并在提示时传递URL以开始下载。

# 运行下载脚本
./download.sh

请注意，链接会在24小时后过期，且有下载次数限制。如果遇到403: Forbidden错误，您可以重新请求一个链接。

3. 应用案例和最佳实践

以下是一些使用Llama 2模型的应用案例和最佳实践：

文本生成案例

运行以下命令来使用llama-2-7b模型生成文本：

torchrun --nproc_per_node 1 example_text_completion.py \
--ckpt_dir llama-2-7b/ \
--tokenizer_path tokenizer.model \
--max_seq_len 128 --max_batch_size 4

对话应用案例

对于对话应用，请使用以下命令运行llama-2-7b-chat模型：

torchrun --nproc_per_node 1 example_chat_completion.py \
--ckpt_dir llama-2-7b-chat/ \
--tokenizer_path tokenizer.model \
--max_seq_len 512 --max_batch_size 4

确保按照模型的要求格式化输入数据，并考虑添加额外的分类器来过滤不安全的输入和输出。

4. 典型生态项目

Llama 2项目是一个基础模型，可以与多种开源项目结合使用，例如：

• Hugging Face: 在Hugging Face平台上，可以找到更多关于Llama模型的实现和案例。
• llama-recipes: 提供了使用HuggingFace的更详细示例。
• 安全检查器: 可以在输入和输出中添加安全检查器，以确保内容的安全性。

请根据具体的使用场景选择合适的项目进行集成。