Llama 2免费托管及API提供

Llama 2 是 Meta 最新的文本生成模型，目前其性能优于所有开源替代方案。

在这里插入图片描述

推荐：用 NSDT编辑器快速搭建可编程3D场景

1、强大的Llama 2

它击败了 Falcon-40B（之前最好的开源基础模型），与 GPT-3.5 相当，仅低于 GPT-4 和 PALM 2（均为闭源模型，分别由 OpenAI 和 Google 拥有）。
在这里插入图片描述
HuggingFace 上的开源基金会模型排行榜

在如上所示的同一排行榜上，如果你更改过滤器以包含微调模型，会发现基本上整个列表都是由 Llama 2 衍生品组成的。

虽然 Llama 2 还没有完全开放，但对于绝大多数用户来说是非常宽松的。

如果在 Llama 2 版本发布之日，被许可方或被许可方的关联公司提供的产品或服务的每月活跃用户数在上一个日历月中超过 7 亿，你必须向Meta申请许可证。

2、托管 Llama 2 API

Llama 2 模型有 3 种不同大小：7B、13B 和 70B 参数。

70B参数版本需要多个 GPU，因此无法免费托管。

在 13B 和 7B 版本中，13B 版本更强大，但需要一些压缩（量化或降低浮点精度）才能适合单个中档 GPU。幸运的是，Llama cpp 库使这变得相当简单！

托管 Llama 2 API 的基本概要如下：

使用 Google Colab 免费访问 Nvidia T4 GPU！
使用 Llama cpp 将 Llama 2 模型压缩并加载到 GPU 上。
创建 FastAPI 服务器以向模型提供 REST API。
使用 Ngrok 通过公共 URL 公开 FastAPI 端点。

完整的 Colab 代码可以从这里下载。

3、Google Colab 操作

首先复制示例的Notebook：

在这里插入图片描述

在左上角，选择“文件”->“在云端硬盘中保存副本”。这将打开你拥有的新 Colab。

仔细检查Runtime是否设置为使用 T4 Nvidia GPU：

在这里插入图片描述

右上角有用于更改运行时硬件的选项。

要查看实例上的文件（例如 server.log），请检查左侧边栏：
在这里插入图片描述

4、使用 Ngrok 创建公共 URL

我们需要的最后一个工具是 Ngrok，它提供了一种通过公共 URL 访问模型服务端点的方法。

用户需要创建一个仅允许 1 个本地隧道的免费帐户 — 你不需要下载或设置任何东西，只需要一个用户身份验证密钥的帐户。

可以使用电子邮件或通过 GitHub 或 Google 帐户进行注册。请随意跳过两步身份验证设置。

在这里插入图片描述

在 Ngrok 设置页面上获取 Auth token，如图中红框所示

将用户身份验证令牌放入 Colab 代码中，如下所示：

!./ngrok authtoken <YOUR-NGROK-TOKEN-HERE>

这是示例的Notebook所需的唯一更改，简单易行！

其余流程相当简单，请参阅Notebook的内容。

5、访问 Llama 2 API

现在，只需一个简单的请求，就可以轻松访问你的 Llama 2 模型！

curl --location --request POST 'https://499a-104-196-231-246.ngrok-free.app/generate' \
--header 'Content-Type: application/json' \
--data-raw '{
    "inputs": "What is mypy used for?",
    "parameters": {
        "temperature": 0.0,
        "max_tokens": 25
    }
}'

如果你使用 Postman，请求/响应可能如下所示：

在这里插入图片描述