### Windows10下ChatGLM3-6B原始环境搭建详细步骤 #### 一、ChatGLM3-6B 模型简介 ChatGLM3-6B 是由智谱AI及清华大学KEG实验室共同研发的中英双语对话模型。此模型在2023年6月25日发布,相较于前代模型,ChatGLM3-6B在多个方面进行了显著改进: 1. **性能提升**:通过采用GLM的混合目标函数以及经过大规模预训练(1.4T中英文标识符),ChatGLM3-6B在多个基准测试数据集上展现出更优的表现,包括MMLU(+23%)、CEval(+33%)、GSM8K(+571%)、BBH(+60%)等。 2. **上下文长度扩展**:上下文长度由原来的2K增加至32K,这意味着模型可以处理更长的对话历史记录,从而提高对话的连贯性和自然性。 3. **推理效率增强**:推理速度较之前版本提高了42%,在INT4量化下,6GB显存即可支持8K对话长度,这比前代模型所需的1K对话长度有了显著提升。 4. **更加开放的许可协议**:对于学术研究而言,ChatGLM3-6B的权重完全开放。此外,在完成企业登记并获得授权后,该模型还允许进行免费的商业使用。 5. **技术创新**:采用了Multi-Query Attention机制,不仅提高了生成速度,而且降低了KV Cache的显存占用。通过使用Causal Mask进行对话训练,可以在连续对话中复用先前轮次的KV Cache,进一步优化显存使用。 #### 二、本地安装硬件与软件要求 为了顺利部署ChatGLM3-6B模型,需要满足以下硬件和软件条件: 1. **操作系统**:Windows 10及以上版本。 2. **Python版本**:3.8及以上版本。 3. **GPU显卡**: - 推荐使用NVIDIA显卡,特别是20系列或更高版本。 - 显存要求至少6GB以上。 4. **CUDA版本**:推荐使用CUDA 12.1.0版本(向下兼容原则)。安装CUDA需要访问NVIDIA官方网站下载相应版本的CUDA工具包,具体步骤如下: - 访问NVIDIA官方CUDA工具包归档页面:https://developer.nvidia.com/cuda-toolkit-archive - 下载CUDA 12.1.0版本安装包。 - 开始安装时,选择自定义安装选项。 - 在自定义安装界面中,根据需要勾选必要的组件。如果是首次安装,建议全选;若非首次安装,则只需选择必要的组件,以避免不必要的错误。 5. **环境变量设置**:确保正确设置系统环境变量,包括`NVCUDASAMPLES_ROOT`和`NVCUDASAMPLES11_0_ROOT`等,确保它们指向正确的CUDA安装路径。 #### 三、安装步骤详解 1. **安装Python**:确保已安装Python 3.8或更高版本。可以通过命令行输入`python --version`检查Python版本。 2. **安装CUDA和cuDNN**: - 根据上述步骤下载并安装CUDA 12.1.0。 - 设置环境变量。 - 验证安装是否成功:打开命令提示符窗口,输入`nvcc --version`,如果能够显示CUDA版本信息,则表示安装成功。 3. **安装PyTorch**: - PyTorch是实现ChatGLM3-6B模型的核心库之一。安装时需要确保与CUDA版本相匹配。例如,如果使用CUDA 12.1.0,那么应选择支持该版本CUDA的PyTorch版本。 - 通常情况下,可以使用`pip install torch torchvision torchaudio`命令安装最新稳定版的PyTorch,但为了匹配CUDA版本,建议访问PyTorch官网查看详细的安装指南。 4. **安装其他依赖库**: - 根据项目需求,可能还需要安装其他依赖库,例如`transformers`等。 5. **下载ChatGLM3-6B模型**: - 从官方仓库或其他可信来源下载ChatGLM3-6B模型文件。 - 解压模型文件并将其放置在合适的位置。 6. **运行测试**: - 使用Python脚本或命令行工具运行测试样例,确保模型能够正常加载并运行。 通过上述步骤,可以顺利完成ChatGLM3-6B模型在Windows 10环境下的部署。这一过程虽然较为复杂,但对于想要在个人计算机上探索和应用先进对话模型的研究者来说,是非常值得尝试的。
剩余36页未读,继续阅读
- 粉丝: 4
- 资源: 4
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- com.huawei.it.ilearning.android_v260.apk
- 鸟类目标检测数据集-含画眉鸟-百灵鸟xml文件数据集
- pyheif-0.8.0-cp37-cp37m-win-amd64.whl.zip
- 基于深度学习的鸟类种类目标检测-含数据集和训练代码-对百灵鸟-画眉鸟检测.zip
- pyheif-0.8.0-cp38-cp38-win-amd64.whl.zip
- pyheif-0.8.0-cp39-cp39-win-amd64.whl.zip
- pyheif-0.8.0-cp313-cp313-win-amd64.whl.zip
- MyBatis SQL mapper framework for Java.zip
- pyheif-0.8.0-cp312-cp312-win-amd64.whl.zip
- pyheif-0.8.0-cp311-cp311-win-amd64.whl.zip