使用llama.cpp 在推理MiniCPM-1.2B模型

llama.cpp 是一个开源项目，它允许用户在C++中实现与LLaMA（Large Language Model Meta AI）模型的交互。LLaMA模型是由Meta Platforms开发的一种大型语言模型，虽然llama.cpp本身并不包含LLaMA模型的训练代码或模型权重，但它提供了一种方式来加载预先训练好的模型，并使用它们进行文本生成等任务。

特点

• 轻量级：相比于使用Python和深度学习框架如PyTorch或TensorFlow，llama.cpp是一个纯C++实现，可以更轻松地部署到资源受限的环境中。
• 独立性：它不需要依赖于复杂的外部库，这使得它在某些情况下更容易集成到现有系统中。
• 可移植性：由于它是用C++编写的，因此理论上可以在任何支持C++的平台上运行。

使用方法

获取源码

首先，你需要从GitHub获取llama.cpp的源代码：

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

安装依赖

sudo apt install build-essential ninja-build cmake

编译

然后，你需要编译项目。这通常涉及安装必要的依赖项（如CMake），然后运行编译命令：

cmake -GNinja -Bbuild_ninja
cmake --build build_ninja

下载模型

sudo apt install git git-lfs
git clone https://www.modelscope.cn/OpenBMB/MiniCPM-1B-sft-q4_1-gguf.git

运行示例

一旦编译完成，你可以尝试运行一些控制台示例程序来测试模型的功能。例如，你可以执行一个简单的交互式聊天程序：

build_ninja/bin/llama-cli -m ../MiniCPM-1B-sft-q4_1-gguf/MiniCPM-1B-sft-q4_1.gguf -cnv --chat-template gemma

加载模型

llama.cpp提供了加载预先训练好的模型的方法。你需要将模型文件下载到本地，并通过API指定路径加载模型。

文本生成

使用加载的模型，你可以通过输入提示(prompt)来生成文本。API提供了设置生成参数（如prompt、最大长度等）的方法。

注意事项

虽然llama.cpp提供了一个有趣的方式来使用预训练的语言模型，但在实际应用中还需要注意以下几点：

• 模型许可：确保你有权合法地使用你想要加载的模型。
• 性能限制：尽管llama.cpp是为资源受限的环境设计的，但它可能在高性能计算环境中不如专门优化过的框架高效。
• 维护和支持：考虑到这是一个相对较小的项目，可能没有像大公司支持的框架那样的活跃社区或官方支持。