GGUF 与 llama.cpp 的用法

现在你可以将任何 llama.cpp 兼容的 GGUF 部署在 Hugging Face Endpoints 上，在此处了解更多here

Llama.cpp 允许你通过提供 Hugging Face repo 路径和文件名来下载并对 GGUF 运行推理。llama.cpp 下载模型检查点并自动缓存它。缓存的位置由 LLAMA_CACHE 环境变量定义；在此处了解更多here。

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

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：移动到 llama.cpp 文件夹中，并使用 LLAMA_CURL=1 标志以及其他硬件特定标志（例如：Linux 上 Nvidia GPU 的 LLAMA_CUDA=1）构建它。

cd llama.cpp && LLAMA_CURL=1 make

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

llama-cli -hf bartowski/Llama-3.2-3B-Instruct-GGUF:Q8_0

注意：你可以移除 -cnv 以在聊天完成模式下运行 CLI。

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

llama-server -hf bartowski/Llama-3.2-3B-Instruct-GGUF:Q8_0

运行服务器后，你可以按如下方式简单地使用该端点

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 替换为任何有效的 Hugging Face hub repo 名称 - 开始吧！🦙

注意：请记住使用 LLAMA_CURL=1 构建 llama.cpp :)

< > 更新在 GitHub 上