前段时间，斯坦福发布了Alpaca，是由Meta的LLaMA 7B微调而来，仅用了52k数据，性能可以与GPT-3.5匹敌。
现在UC伯克利学者联手CMU、斯坦福等，再次推出一个全新模型70亿/130亿参数的Vicuna，俗称「小羊驼」（骆马）。小羊驼号称能达到GPT-4的90%性能，下面来体验一下。

项目地址：

The release repo for “Vicuna: An Open Chatbot Impressing GPT-4”

项目权重采用llama权重+delta权重打patch的方式生成。

获取llama权重

1.下载权重

pip install pyllama -U
python -m llama.download --model_size 7B
python -m llama.download --model_size 13B

该方式支持断点续传。下载没速度后，ctrl+c停掉重新打开。
下载后的文件列表如下（7B大小13G，13B大小25G）：
​

2. 权重格式转换
   转换脚本如下，
   https://github.com/huggingface/transformers/blob/main/src/transformers/models/llama/convert_llama_weights_to_hf.py
   ​

python convert_llama_weights_to_hf.py --input_dir ./ --model_size 7B --output_dir ./output/7B
python convert_llama_weights_to_hf.py --input_dir ./ --model_size 13B --output_dir ./output/13B

转换后的权重文件列表如下：
​

获取delta权重

git clone https://huggingface.co/lmsys/vicuna-7b-delta-v0
git clone https://huggingface.co/lmsys/vicuna-13b-delta-v0

如下图，标记带有LFS的，单独点击下箭头下载，并覆盖到vicuna-7b-delta-v0、vicuna-13b-delta-v0目录。
​
​huggingface.co/lmsys/vicuna-7b-delta-v0
​huggingface.co/lmsys/vicuna-13b-delta-v0

下载好后的权重列表如下：
​

生成羊驼模型

python3 -m fastchat.model.apply_delta --base ./pyllama_data/output/7B --target vicuna_data/vicuna-7b --delta lmsys/vicuna-7b-delta-v0/
python3 -m fastchat.model.apply_delta --base ./pyllama_data/output/13B --target vicuna_data/vicuna-13b --delta lmsys/vicuna-13b-delta-v0/

7B模型合成需要30G内存，7B模型合成需要60G内存，内存不够的请增加swap大小。
羊驼模型文件列表如下：
​

羊驼模型测试

python3 -m fastchat.serve.cli --model-name vicuna_data/vicuna-7b
python3 -m fastchat.serve.cli --model-name vicuna_data/vicuna-13b --load-8bit  

13B需要28G显存，无法直接使用，可以使用–load-8bit
​

从图中可以看出羊驼模型对中文支持力度有限。