想用手头的硬件最低成本尝试下本地 LLM 推理，请教一下方案

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 230 天前的主题，其中的信息可能已经有所发展或是发生改变。

非 AI 专业，为了不掉队跑着玩的，所以目的是利用手头硬件最低成本折腾一下

手上有两台 PC ，配置如下：
1. 5600x + 华硕 b550M 重炮手 + 华硕 3070 dual
2. q0pv(13900T ES) + 精粤 b760i + 丐图师双风扇 4060ti 16G
第一台 21 年组来打上网游戏的，第二台原本是组来折腾玩异地组网+虚拟化+串流+SD 跑图的二奶机。D4 内存之前便宜的时候屯了不少，有需要就可以插满

现在的问题是，尝试跑大一点的 LLM 显存不够，速度稍慢一点倒无所谓。了解到这玩意可以多卡推理，然后 PC1 的重炮手刚好有两个 x16 槽。另查了一下苏妈也很慷慨，B 系板子支持拆通道插双卡。刚好手上这两张卡 PC1 的机箱应该装得下，3070 是 2.75 槽，4060ti 是 2 槽

那这样双卡合计 24G 显存跑更大一点的 LLM 的推理似乎可行？好像多卡推理是不需要 nvlink 的。目前主要是不清楚不对称的显存跑起来会不会有问题。如果不行，会考虑 3070 扩 16G ，毕竟两张卡性能接近，应该不存在性能拖累的情况

另外纯 CPU 跑个量化的 7B 模型是否可行？ q0pv 毕竟这么多核。尝试了下推理回复需要几分钟，体感基本不可用，不清楚是不可行还是设置有问题。看 github 上有人能跑来着，阿里云也有志强可以运行 LLM 速度达到 5 token/s 的广告。如果家用 CPU 完全不可行就不折腾了

15 条回复 • 2024-03-31 02:38:17 +08:00

kwater

230 天前

看了一堆以为你要训练，

最后一段看明白是想要个本地部署对话。

lmstudio
ollama

都蛮好，后者 gpu 支持更好 amd @windows 也可以
全部跨平台兼容

dbg

230 天前 via Android

7B 模型能力实在有限。最起码要 14B 的模型，才能做一些翻译类的基础工作。

Vanderick

230 天前

直接 ollama

lichdkimba

230 天前

@dbg 14B 的话，最差也要用个啥显卡呢

avalox

230 天前

@kwater 感谢回复。等哪天想尝试训练就不指望这两张卡了，会老实去租服务器的

dbg

230 天前 via Android

@lichdkimba 14B 模型，至少需要 16G 显存的显卡。你可以看看 Ollama 的文档，有这方面的介绍的。

mkroen

230 天前

可以试试 Qwen1.5-7B-Chat 阿里的千问模型，P40 24g 显存占用 15 个 g ，效果还能接受，也比较快。16g 显存应该够用了吧，不够再试试量化

GeekGao

230 天前

绝大多数模型 7b 就是个废物，推理能力明显不行，用这道题测： 100mbps 相当于多少 MB/s ?
答案有惊喜，哈哈哈

GeekGao

230 天前

所以，比 3090 弱的单卡，就不要玩了，没啥意义

rus4db

230 天前

1 ）参数量是主要矛盾，越多越好。
2 ）不必担心量化，量化掉点有限。
3 ）实用模型，参数量不可低于 13~14B ，以 72B 量级为佳。
4 ）显存是主要矛盾，越多越好。
5 ） 2080ti 魔改 22GiB 显存，性价比较高。
6 ）多卡 AI 服务器平台，性价比较高，但要考虑环境和电费开销问题。

kwater

230 天前

@GeekGao
gemma 2b

100 Mbps 相当于 **125 MB/s**。

dyllen

230 天前

@GeekGao 我用百度的 chat 试了下，还不错，挺准的，还有解释：

```
我们要找出 100mbps 对应的下载速度是多少 MB/s 。
首先，我们需要了解 Mbps 和 MB/s 之间的转换关系。

Mbps （兆比特每秒）和 MB/s （兆字节每秒）之间的关系可以用以下的数学公式表示：
1 MB/s = 8 Mbps
这个公式告诉我们怎样把 Mbps 转化成 MB/s 。

因此，要将 100 Mbps 转化为 MB/s ，我们只需将 100 除以 8 。
计算结果为：下载速度是 12.5 MB/s 。
所以，100mbps 对应的下载速度是 12.5 MB/s 。
```

GeekGao

229 天前

@kwater 你反复试试？我这里测 Gemma 7B 返回的结果也不对

kwater

229 天前

@GeekGao

看来默认的 cli 不是很好用，ollama api 才工作正常，
即便去掉 temperature 、seed ，也是有正确结论的。

curl -v http://localhost:11434/api/generate -d "{ \"model\": \"gemma:7b\", \"prompt\": \"100mbps 相当于多少 MB/s ?\", \"options\": { \"seed\": -1, \"temperature\": 1 },\"stream\": false }"

100mbps 等于 12.5 MB/s 。
100mbps 等于 100000 比特每秒，也就是 12.5 MB/s 。

GeekGao

229 天前

@kwater 我知道什么原因了：我用的是 google/gemma-7b-it （也就是 gemma:7b-instruct ），你用的是 google/gemma-7b （ Base model ）吧