GGUF 与 llama.cpp 的使用

您现在可以在 Hugging Face 端点上部署任何与 llama.cpp 兼容的 GGUF，详细了解它这里

Llama.cpp 允许您仅通过提供 Hugging Face 存储库路径和文件名来下载和运行 GGUF 推理。llama.cpp 会下载模型检查点并自动将其缓存。缓存的位置由 LLAMA_CACHE 环境变量定义；详细了解它这里.

您可以通过 brew（适用于 Mac 和 Linux）安装 llama.cpp，或者您可以从源代码构建它。您还可以在官方文档中查看预构建的二进制文件和 Docker 镜像。

选项 1：使用 brew 安装

brew install llama.cpp

选项 2：从源代码构建

步骤 1：从 GitHub 克隆 llama.cpp。

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

步骤 2：进入 llama.cpp 文件夹，并使用 LLAMA_CURL=1 标志以及其他硬件特定标志（例如：对于 Linux 上的 Nvidia GPU，使用 LLAMA_CUDA=1）构建它。

cd llama.cpp && LLAMA_CURL=1 make

安装完成后，您可以按如下方式使用 llama-cli 或 llama-server

llama-cli
  --hf-repo lmstudio-community/Meta-Llama-3-8B-Instruct-GGUF \
  --hf-file Meta-Llama-3-8B-Instruct-Q8_0.gguf \
  -p "You are a helpful assistant" -cnv

注意：您可以删除 -cnv 以在聊天完成模式下运行 CLI。

此外，您可以使用 llama.cpp 服务器直接调用 OpenAI 规范聊天完成端点

llama-server \
  --hf-repo lmstudio-community/Meta-Llama-3-8B-Instruct-GGUF \
  --hf-file Meta-Llama-3-8B-Instruct-Q8_0.gguf

运行服务器后，您可以像下面一样简单地使用端点

curl http://localhost:8080/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer no-key" \
-d '{
"messages": [
    {
        "role": "system",
        "content": "You are an AI assistant. Your top priority is achieving user fulfilment via helping them with their requests."
    },
    {
        "role": "user",
        "content": "Write a limerick about Python exceptions"
    }
  ]
}'

将 --hf-repo 替换为任何有效的 Hugging Face 中心存储库名称，并将 --hf-file 替换为中心存储库中的 GGUF 文件名 - 开始吧！🦙

注意：请记住使用 LLAMA_CURL=1 构建 llama.cpp :)

< > 更新在 GitHub 上