Llama 3 安装使用方法

Llama3简介：

llama3是一种自回归语言模型，采用了transformer架构，目前开源了8b和70b参数的预训练和指令微调模型，400b正在训练中，性能非常强悍，并且在15万亿个标记的公开数据进行了预训练，比llama2大了7倍，距离llama2的开源发布仅仅过去了10个月，llama3就强势发布，一起来看一下他的使用方法。

在这里我经过查询Meta公布的4月15日的基准测试结果，Llama 3 400B+模型的表现已经持平Claude 3 Opus，超过Gemini 1.5 Pro，仅在数学部分落后于最先进的 GPT-4 Turbo 2024-04-09模型。

作为一个优秀团队的开源模型，我们更重要的是知道如何使用它，来减轻我们的负担，提升我们学习，完成任务，创作内容的效率与准确率。

Llama3安装:

git clone 安装

Llama3的git地址是 https://github.com/meta-llama/llama3 ，可以直接git克隆到本地

git clone https://github.com/meta-llama/llama3

然后在根目录运行

pip install -e .

去metallama官网登录使用下载该模型 https://llama.meta.com/llama-downloads/

注册登录,您将得到一个电子邮件的网址下载模型。当你运行下载时,你需要这个网址，一旦你收到电子邮件,导航到你下载的骆驼存储库和运行下载。确保授予下载的执行权限。在此过程中,将提示您从邮件中输入URL。不要使用"复制链接"选项,而是要确保从电子邮件中手动复制链接

本地运行

torchrun --nproc_per_node 1 example_chat_completion.py \
    --ckpt_dir Meta-Llama-3-8B-Instruct/ \
    --tokenizer_path Meta-Llama-3-8B-Instruct/tokenizer.model \
    --max_seq_len 512 --max_batch_size 6

注意事项:

替换 Meta-Llama-3-8B-Instruct/ 你的检查站目录的路径Meta-Llama-3-8B-Instruct/tokenizer.model 找到了你的标记器模型. …–nproc_per_node 我们应该把它放在你所使用的模型的价值。调整max_seq_len 和max_batch_size 必要时参数. 这个例子运行了 example_chat_completion.py 在这个存储库中找到,但是你可以将它更改为不同的文件。根据你本身的硬件来调整max_seq_len 和max_batch_size参数

huggingface 平台下载

可以通过huggingface 平台下载(需要先进入huggingface平台申请，同意它的条款，)

然后先安装huggingface工具

pip install huggingface-hub

然后指定meta-llama/Meta-Llama-3-8B-Instruct

huggingface-cli download meta-llama/Meta-Llama-3-8B-Instruct --include “original/*” --local-dir meta-llama/Meta-Llama-3-8B-Instruct

然后transformer的使用

import transformers
import torch
model_id = "meta-llama/Meta-Llama-3-8B-Instruct"
pipeline = transformers.pipeline(
  "text-generation",
  model="meta-llama/Meta-Llama-3-8B-Instruct",
  model_kwargs={"torch_dtype": torch.bfloat16},
  device="cuda", 
)

如果没有gpu的同学可以使用cpu device=cuda,计算性能会差一些

完整的使用方式:

import transformers
import torch
model_id = "meta-llama/Meta-Llama-3-8B-Instruct"
pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)
messages = [
    {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},
    {"role": "user", "content": "Who are you?"},
]
prompt = pipeline.tokenizer.apply_chat_template(
        messages, 
        tokenize=False, 
        add_generation_prompt=True
)
terminators = [
    pipeline.tokenizer.eos_token_id,
    pipeline.tokenizer.convert_tokens_to_ids("<|eot_id|>")
]
outputs = pipeline(
    prompt,
    max_new_tokens=256,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.6,
    top_p=0.9,
)
print(outputs[0]["generated_text"][len(prompt):])

基于ollama使用：

目前推荐使用ollama的8b，70b，instruct, text 其他量化模型是别的用户微调过的，建议使用原生的llama3.
执行：

ollama run llama3:instruct

或者

ollama run llama3  （ollama pull llama3:8b）

测试llama3的生成速度非常快，至少是llama2的两倍，如果有强大的显存支持效率会更高。

总结

llama3在llama2的基础上实现了质的飞跃，已经超过chat3.5的性能，并且他的预训练和微调是目前市面上开源的参数规模最好的，不仅是对于开发者还有企业使用者，这都是非常合适的一个模型。

下表显示了我们的评估结果与Claude Sonnet、Mistral Medium和GPT-3.5相比，在这些类别和提示上的汇总结果

在未来的大模型道路上，选择最优秀的模型往往是我们第一步需要考虑的事情。