上篇文章： Qwen1.5大语言模型微调实践_qwen1.5 7b微调-CSDN博客 

我们介绍了Qwen1.5 大语言模型使用LLaMA-Factory 来微调，这篇文章我们介绍一下微调后模型的导出、部署。

一、模型导出

在webui 界面训练好模型之后点击“Export”选项卡，然后，在“模型路径”中输入原始模型路径，然后在“检查点路径（适配器路径）”中选择自己微调得到的 adapter 路径，然后在“最大分块大小（GB）”中设置为4，同时设置一下导出目录，最后点击“开始导出”，就可以看到输出的模型了。

导出的模型：

二、模型部署

这里我使用 llama.cpp 来本地部署， llama.cpp 可以使用纯 c/c++ 来进行推理，不需要依赖库或者其他的部署框架。

1.部署环境搭建

克隆仓库到本地，并编译：

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

cd llama.cpp
make

安装一下模型转换为gguf所需的依赖环境：

pip install -r requirements.txt

2.把自己训练好的模型转换为gguf模型

先把自己训练好导出的 qwen2-7b模型文件夹 拷贝到 llama.cpp/models 目录下，然后再使用以下命令转换为gguf 格式的模型：

# [Optional] for models using BPE tokenizers
python convert-hf-to-gguf.py models/qwen2_7b

在该目录下就会生成 ggml-model-f16.gguf 文件

3.对gguf-f16 模型进行量化

# quantize the model to 4-bits (using Q4_K_M method)
./llama-quantize ./models/qwen2-7b/ggml-model-f16.gguf ./models/qwen2-7b/ggml-model-Q4_K_M.gguf Q4_K_M

生成量化后的Q4 模型 ggml-model-Q4_K_M.gguf 

4.运行gguf模型

./llama-cli -m ./models/qwen2-7b/ggml-model-Q4_K_M.gguf -n 256 --repeat_penalty 1.0 --color -i -r "User:" -f prompts/chat-with-bob.txt

这样我们就可以把模型部署好了，同时也可以使用服务器模块把整个部署为服务端，方便不同的设备通过网络进行访问调用。