在Windows CPU上使用oobabooga webui部署llama.cpp量化的LLaMA2模型

首先安装oobabooga/text-generation-webui

git clone https://github.com/oobabooga/text-generation-webui.git

运行start_windows.bat进行配置，先在脚本里安装miniconda环境，然后运行one_click.py配置python环境，可以改one_click.py的部分代码使用清华的镜像源，其中requirements.txt文件里的一些whl下的太慢的化可以在installer_files\env这个虚拟环境里先自己装好。

下来编译llama.cpp，按照github上的说明编译就可以，windows需要下w64devkit

# convert the 7B model to ggml FP16 format
python3 convert.py models/7B/ 
# quantize the model to 4-bits (using q4_0 method)
./quantize ./models/7B/ggml-model-f16.gguf ./models/7B/ggml-model-q4_0.gguf q4_0
# run the inference
./main -m ./models/7B/ggml-model-q4_0.gguf -n 128

llama.cpp可以自己搭建推理的服务 
./server -m ./zh-models/7B/ggml-model-q4_0.gguf -c 4096 -ngl 1

LLaMA2模型用的ymcui/Chinese-LLaMA-Alpaca-2: 中文LLaMA-2 & Alpaca-2大模型二期项目 + 16K超长上下文模型 (Chinese LLaMA-2 & Alpaca-2 LLMs, including 16K long context models) (github.com)https://github.com/ymcui/Chinese-LLaMA-Alpaca-2

量化完了以后在oobabooga webui里选择模型加载就可以用了