Llama-2-Open-Source-LLM-CPU-Inference

项目介绍：Llama-2-Open-Source-LLM-CPU-Inference

项目背景

近年来，第三方商业大型语言模型（LLM）供应商如OpenAI的GPT4，通过简单的API调用，大大普及了LLM的使用。然而，在某些情况下，团队可能需要自行部署或私密的模型，以满足数据隐私或数据驻留规则的要求。开源LLM的广泛可用，提供了更多的选择，减少了对这些第三方提供者的依赖。

在本项目中，团队将探索如何在CPU上本地运行开源LLM的量化版本，用于处理文档的问答（Q&A）任务。当开源LLM部署在本地或云端时，专用计算能力成为关键问题。尽管GPU实例是一个明显的选择，费用却可能超出预算。因此，利用CPU进行推理成为了一个可行的替代方案。

快速开始指南

本项目附带了一份详细的快速开始指南，帮助用户快速上手：

1. 确保已从 huggingface.co 下载了GGML二进制文件，并将其放置在 models/ 文件夹内。
2. 从项目目录的终端启动应用，并执行以下命令解析用户查询：

   poetry run python main.py "<user query>"

   例如：

   poetry run python main.py "What is the minimum guarantee payable by Adidas?"

   如果未使用Poetry，则不需要加上 poetry run。

使用工具

• LangChain：用于开发由语言模型驱动的应用的框架。
• C Transformers：通过GGML库在C/C++中实现的变压器模型的Python绑定。
• FAISS：用于密集向量的高效相似性搜索和聚类的开源库。
• Sentence-Transformers (all-MiniLM-L6-v2)：用于文本嵌入到384维密集向量空间的开源预训练变压器模型，适用于聚类或语义搜索。
• Llama-2-7B-Chat：专为聊天对话设计的开源Llama 2模型，利用了公开可用的指令数据集和超过一百万条人类注释。
• Poetry：用于依赖管理和Python打包的工具。

项目文件结构

• /assets：项目相关的图片。
• /config：LLM应用的配置文件。
• /data：项目使用的数据集（例如：曼联足球俱乐部2022年度报告——177页的PDF文档）。
• /models：GGML量化LLM模型的二进制文件（如：Llama-2-7B-Chat）。
• /src：LLM应用的关键组件Python代码，包括 llm.py、utils.py 和 prompts.py。
• /vectorstore：文档的FAISS向量存储。
• db_build.py：用于摄入数据集并生成FAISS向量存储的Python脚本。
• main.py：主Python脚本，用于启动应用并通过命令行传递用户查询。
• pyproject.toml：TOML文件，用于指定所使用的依赖版本（Poetry）。
• requirements.txt：Python依赖项的列表及其版本。