TinyChatEngine 项目下载及安装教程
2024-12-09 05:25:36作者:幸俭卉
1. 项目介绍
TinyChatEngine 是一个用于在边缘设备上运行大型语言模型(LLM)和视觉语言模型(VLM)的推理库。它通过模型压缩技术(如 SmoothQuant 和 AWQ)实现了低精度的模型推理,使得用户可以在笔记本电脑、汽车、机器人等设备上获得即时响应,同时保护数据隐私。
2. 项目下载位置
要下载 TinyChatEngine 项目,请使用以下命令:
git clone --recursive https://github.com/mit-han-lab/TinyChatEngine.git
3. 项目安装环境配置
3.1 MacOS 环境配置
在 MacOS 上,您需要安装 boost
和 llvm
库。可以使用 Homebrew 进行安装:
brew install boost
brew install llvm
对于 M1/M2 用户,还需要从 App Store 安装 Xcode,以启用 Metal 编译器支持 GPU。
3.2 Windows 环境配置
3.2.1 Windows with CPU
在 Windows 上,您需要下载并安装 GCC 编译器和 MSYS2。请按照以下步骤操作:
- 下载并安装 MSYS2:MSYS2 安装教程
- 安装所需的依赖项:
pacman -S --needed base-devel mingw-w64-x86_64-toolchain make unzip git
- 将二进制目录(例如
C:\msys64\mingw64\bin
和C:\msys64\usr\bin
)添加到环境路径中。
3.2.2 Windows with Nvidia GPU (实验性)
- 安装 CUDA 工具包:CUDA 安装教程
- 安装 Visual Studio,并确保支持 C 和 C++ 开发。
4. 项目安装方式
4.1 下载项目
使用以下命令下载项目:
git clone --recursive https://github.com/mit-han-lab/TinyChatEngine.git
cd TinyChatEngine
4.2 安装 Python 包
TinyChatEngine 的主要代码库是用纯 C/C++ 编写的,Python 包仅用于从模型库中下载(和转换)模型。
conda create -n TinyChatEngine python=3.10 pip -y
conda activate TinyChatEngine
pip install -r requirements.txt
4.3 下载量化模型
根据您的设备类型,下载相应的量化模型:
4.3.1 x86 设备
cd llm
python tools/download_model.py --model LLaMA_3_8B_Instruct_awq_int4 --QM QM_x86
4.3.2 ARM 设备
cd llm
python tools/download_model.py --model LLaMA_3_8B_Instruct_awq_int4 --QM QM_ARM
4.3.3 CUDA 设备
cd llm
python tools/download_model.py --model LLaMA2_7B_chat_awq_int4 --QM QM_CUDA
4.4 编译并启动聊天
根据您的平台,修改 Makefile 中的相应配置,然后编译并启动聊天:
make chat -j
5. 项目处理脚本
TinyChatEngine 提供了一些处理脚本,用于下载和转换模型。以下是一些常用的脚本:
5.1 下载模型脚本
python tools/download_model.py --model <模型名称> --QM <量化方法>
5.2 编译脚本
make chat -j
5.3 启动聊天脚本
./chat
通过以上步骤,您可以成功下载并安装 TinyChatEngine 项目,并开始在您的设备上运行大型语言模型和视觉语言模型。
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown00
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie044
- 每日精选项目🔥🔥 推荐每日行业内最新、增长最快的项目,快速了解行业最新热门项目动态~ 🔥🔥017
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript099
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTSX025
- Yi-CoderYi Coder 编程模型,小而强大的编程助手HTML011
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript010
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总05
- Bbrew🍺 The missing package manager for macOS (or Linux)Ruby01
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala05
热门内容推荐
最新内容推荐
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
889
0
GitCode光引计划有奖征文大赛
GitCode光引计划有奖征文大赛
15
1
openHiTLS
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
40
32
RuoYi-Cloud-Vue3
🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
20
15
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
398
44
vue3-element-admin
🔥Vue3 + Vite5 + TypeScript + Element-Plus 构建的后台管理前端模板,配套接口文档和后端源码,vue-element-admin 的 Vue3 版本。
Vue
49
10
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
371
99
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
157
31
杨帆测试平台
扬帆测试平台是一款高效、可靠的自动化测试平台,旨在帮助团队提升测试效率、降低测试成本。该平台包括用例管理、定时任务、执行记录等功能模块,支持多种类型的测试用例,目前支持API(http和grpc协议)、性能、CI调用等功能,并且可定制化,灵活满足不同场景的需求。 其中,支持批量执行、并发执行等高级功能。通过用例设置,可以设置用例的基本信息、运行配置、环境变量等,灵活控制用例的执行。
JavaScript
10
2
DrissionPage
基于python的网页自动化工具。既能控制浏览器,也能收发数据包。可兼顾浏览器自动化的便利性和requests的高效率。功能强大,内置无数人性化设计和便捷功能。语法简洁而优雅,代码量少。
Python
29
3