使用 MacBook Pro M1 16G 运行 Llama 2 7B (Apple Silicon 通用方法)

原文地址: 使用 MacBook Pro M1 16G 运行 Llama 2 7B (Apple Silicon 通用方法)

这篇文章用于记录我在 MacBook Pro M1 16G 中配置 Llama 2 7B 环境的全流程。这一方法适用于所有 Apple Silicon 系列，为未来运行更大模型的设备提供参考。

PS：得益于 Mac 的统一内存，我们可以将内存作为显存使用，使大模型的本地部署成为了可能。如今 Apple Silicon 拥有完善的 LLM 生态，llama.cpp 项目让我们能在 Mac GPU 上运行 Llama 2，这也成为目前性价比最高的大模型运行方案。期待在 M3 时代，Apple Silicon 在 AI 领域取得进一步发展。

测试环境：

macOS 14.0

Miniforge 创建的 Python 3.10.0 (也可以使用 Miniconda)

Chinese-Alpaca-2-7B

以下是详细步骤：

进入终端，使用 conda 创建全新的虚拟环境

conda create -n llama python=3.10

激活虚拟环境

conda activate llama

将 llama.cpp 拉到本地

git clone https://github.com/ggerganov/llama.cpp.git

切换到 llama.cpp 目录

cd llama.cpp

安装依赖

pip install -r requirements.txt

编译 llama.cpp，并开启 GPU 推理

LLAMA_METAL=1 make

下载 Chinese-LLaMA-2-7B，地址: https://github.com/ymcui/Chinese-LLaMA-Alpaca-2#完整模型下载

将下载好的模型目录拷贝至当前目录 (llama.cpp) 的 models 中。（得到模型目录位置为 llama.cpp/models/chinese-alpaca-2-7b-hf）

生成量化版本模型

python convert.py models/chinese-alpaca-2-7b-hf/

./quantize ./models/chinese-alpaca-2-7b-hf/ggml-model-f16.gguf ./models/chinese-alpaca-2-7b-hf/ggml-model-q4_0.gguf q4_0

在当前目录中创建 shell 脚本 chat.sh

#!/bin/bash

# temporary script to chat with Chinese Alpaca-2 model
# usage: ./chat.sh alpaca2-ggml-model-path your-first-instruction

SYSTEM='You are a helpful assistant. 你是一个乐于助人的助手。'
FIRST_INSTRUCTION=$2

./main -m $1 \
--color -i -c 4096 -t 8 --temp 0.5 --top_k 40 --top_p 0.9 --repeat_penalty 1.1 \
--in-prefix-bos --in-prefix ' [INST] ' --in-suffix ' [/INST]' -p \
"[INST] <>
$SYSTEM
<>

$FIRST_INSTRUCTION [/INST]"

设置可执行权限

chmod +x chat.sh

然后使用以下命令运行即可

./chat.sh models/chinese-alpaca-2-7b-hf/ggml-model-q4_0.gguf '作为一个 AI 助手，你可以帮助人类做哪些事情？'

成功运行～

（未来考虑使用 M3 Max 128G 或更高规格的 Mac 试试）