FastLLM 是一个高效、易用的轻量级语言模型库。

• 🚀 纯c++实现，便于跨平台移植，可以在安卓上直接编译
• 🚀 支持读取Hugging face原始模型并直接量化
• 🚀 支持部署Openai api server
• 🚀 支持多卡部署，支持GPU + CPU混合部署
• 🚀 支持动态Batch，流式输出

安装

代码语言：javascript

git clone https://github.com/ztxz16/fastllm.git
bash install.sh -DUSE_CUDA=ON -D CMAKE_CUDA_COMPILER=$(which nvcc) 

---

以Qwen1.5-0.5B为例

代码语言：javascript

# 通过huggingface接口创建模型，参考每个模型readme.md中的加载方式
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained('/home/qwen0_5B/Qwen1___5-0___5B-Chat', trust_remote_code = True)
model = AutoModelForCausalLM.from_pretrained('/home/qwen0_5B/Qwen1___5-0___5B-Chat', trust_remote_code = True)

# 将huggingface模型转换成fastllm模型
# from_hf接口只能接受原始模型，或者ChatGLM的int4, int8量化模型，不能转换其它量化模型
from ftllm import llm
model = llm.from_hf(model, tokenizer, dtype = "float16") 
model.save("qwen0_5B.flm")

🚀现在可以使用fastllm_pytools包来启动一个大模型对话服务了：

代码语言：javascript

python3 -m fastllm_pytools.chat --path /home/qwen0_5B.flm

也可以根据webui.py指定的参数来启动webui服务：

代码语言：javascript

python3 -m fastllm_pytools.webui --path /home/qwen0_5B.flm --port 8000

以及部署API Server：

代码语言：javascript

python3 -m fastllm_pytools.server --model_name qwen --port 8000 -p /home/qwen0_5B.flm

代码语言：javascript

import requests

url = "http://localhost:8000/v1/chat/completions"
# API文档/v1/chat/completions
headers = {
    "Content-Type": "application/json"
}
data = {
    "model": "qwen",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你好呀"}
    ]
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

响应：

代码语言：javascript

{'id': 'fastllm-qwen-89c424649a404daca6a5e9aaa70e21b0', 'object': 'chat.completion', 'created': 1732087721, 'model': 'qwen', 'choices': [{'index': 0, 'message': {'role': 'assistant', 'content': '你好！有什么我可以帮助你的吗？'}, 'finish_reason': 'stop'}], 'usage': {'prompt_tokens': 19, 'total_tokens': 27, 'completion_tokens': 8}}

我们也可以使用官方给出的python api接口： pyfastllm

• 对接fastapi、flask等web框架，向外提供数据接口
• 利用python yield生成器语言特性，流式问答响应

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​