共计 3368 个字符，预计需要花费 9 分钟才能阅读完成。
商业人工智能和大型语言模型 (LLM) 有一个很大的毛病： 隐衷 。在解决敏感数据或专有数据时，咱们无奈从这些工具中获益。因而，咱们须要理解如何在本地运行私人 LLM。开源模型提供了一种解决方案，但它们也有本人的挑战和劣势。
设定期望值
开源软件品种繁多，有数以千计的模型可供选择，从 Meta 等大型组织提供的模型到集体爱好者开发的模型，各有不同。然而，运行这些模型也面临着一系列挑战：
- 它们可能须要弱小的硬件， 须领有足够的内存和一个 GPU
- 只管开源模型在不断改进，但它们的性能通常仍无奈与 ChatGPT 等更欠缺的产品等量齐观，因为 ChatGPT 得益于宏大的工程师团队的反对 。
- 并非所有模型都能用于商业用途。
不过，正如同谷歌的一份文件所指出的，开源和闭源模型之间的差距正在放大。
Hugging Face 和 Transformers
Hugging Face 相当于机器学习和人工智能的 Docker Hub，提供了大量开源模型 。并且，Hugging Face 会定期对模型进行基准测试，并提供排行榜，帮忙用户抉择最佳模型。
Hugging Face 还提供了一个 Python 库 transformers，能够简化本地运行一个 LLM 的过程。上面的示例应用该库运行了一个较旧的 GPT-2 microsoft/DialoGPT-medium 模型。第一次运行时，Transformers 会下载模型，你能够与它进行五次交互。该脚本还须要装置 PyTorch。
from transformers import AutoModelForCausalLM, AutoTokenizer
import torchtokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-medium", padding_side='left')
model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-medium")
# source: https://huggingface.co/microsoft/DialoGPT-medium
# Let's chat for 5 lines
for step in range(5):
# encode the new user input, add the eos_token and return a tensor in Pytorch
new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='pt')
# append the new user input tokens to the chat history
bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=-1) if step > 0 else new_user_input_ids
# generated a response while limiting the total chat history to 1000 tokens,
chat_history_ids = model.generate(bot_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)
# pretty print last output tokens from bot
print("DialoGPT: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)))
Transformers 劣势
- 主动下载模型
- 提供代码片段
- 现实的试验和学习工具
Transformers 劣势
- 须要对 ML 和 NLP 有扎实的理解
- 须要具备编码和配置技能
LangChain
咱们在本地运行 LLM 的另一种办法是应用 LangChain。LangChain 是一个用于构建人工智能应用程序的 Python 框架。 它提供形象和中间件，以便在其反对的模型之上开发人工智能应用程序 。例如，上面的代码向 microsoft/DialoGPT-medium 模型提出了一个问题：
from langchain.llms.huggingface_pipeline import HuggingFacePipelinehf = HuggingFacePipeline.from_model_id(model_id="microsoft/DialoGPT-medium", task="text-generation", pipeline_kwargs={"max_new_tokens": 200, "pad_token_id": 50256},
)
from langchain.prompts import PromptTemplate
template = """Question: {question}
Answer: Let's think step by step."""
prompt = PromptTemplate.from_template(template)
chain = prompt | hf
question = "What is electroencephalography?"
print(chain.invoke({"question": question}))
LangChain 劣势
- 更便捷的模型治理
- 实用的 AI 应用程序开发工具
**LangChain 劣势
**
- 速度无限，与 Transformers 雷同
- 仍须编写应用程序的逻辑代码或创立适合的用户界面
Llama.cpp
Llama.cpp 是一个基于 C 和 C++ 的 LLM 推理引擎，针对苹果芯片进行了优化，可运行 Meta 的 Llama2 模型。
一旦咱们克隆了资源库并构建了我的项目，咱们就能够应用 Llama.cpp 运行一个模型：
$ ./main -m /path/to/model-file.gguf -p "Hi there!"
Llama.cpp 劣势
- 性能高于基于 Python 的解决方案
- 在适中的硬件上反对 Llama 7B 等大型模型
- 提供绑定，以便在通过 Llama.cpp 运行推理的同时应用其余语言构建 AI 应用程序
Llama.cpp 劣势
- 模型反对无限
- 须要构建工具
Llamafile
Llamafile 由 Mozilla 开发，为运行 LLM 提供了一个用户敌对的代替计划。Llamafile 以其可移植性和创立单文件可执行文件的能力而著称。
下载 llamafile 和任何 GGUF 格局的模型后，咱们就能够用以下命令启动本地浏览器会话：
$ ./llamafile -m /path/to/model.gguf
Llamafile 劣势
- 与 Llama.cpp 雷同的速度劣势
- 能够创立嵌入模型的繁多可执行文件
Llamafile 劣势
- 该我的项目仍处于晚期阶段
- 不反对所有模型，只反对 Llama.cpp 反对的模型
Ollama
Ollama 是 Llama.cpp 和 Llamafile 的替代品，对用户更加敌对。你能够下载一个可执行文件，在你的机器上装置一个服务。装置实现后，关上终端并运行：
$ ollama run llama2
Ollama 劣势
- 易于装置和应用
- 能够运行 Ilama 和 vicuña 模型
- 运行速度极快
Ollama 劣势
- 提供无限的模型库
- 自行治理模型，不能重复使用本人的模型
- 无奈调整运行 LLM 的选项
- 暂无 Windows 版本
GPT4ALL
GPT4ALL 是一款易于应用的桌面应用程序，具备直观的 GUI。它反对本地模型运行，并可通过 API 密钥连贯 OpenAI。它的突出特点是可能解决本地文档的上下文，确保隐衷。
GPT4ALL 劣势
- 具备敌对 UI 的代替计划
- 反对各种策动模型
GPT4ALL 劣势
- 机型抉择无限
- 局部机型有商业用途限度
论断
抉择适合的工具在本地运行 LLM 取决于您的需要和专业知识。从 GPT4ALL 等用户敌对型应用程序，到 Llama.cpp 等技术性更强的选项，以及基于 Python 的解决方案，可提供多种抉择。可见开源模式正在迎头赶上，提供了对数据和隐衷的更多管制。随着这些模型的倒退，它们或无望与 ChatGPT 等产品竞争。
