趋近智
本地大型语言模型入门
章节 1: 大型语言模型入门
什么是大型语言模型（LLM）？
大语言模型如何运作的简单视图
理解标记与文本生成
为何在本地运行大型语言模型？
本地LLM与云端LLM
章节 2: 准备本地环境
硬件考量：中央处理器
硬件考量：内存
硬件考量：图形处理器和显存
检查您的系统规格
操作系统兼容性
安装 Python (可选但建议)
命令行/终端简介
章节 3: 查找和选择本地大型语言模型
寻找LLM模型：Hugging Face Hub
理解模型大小与参数
模型格式：GGUF及其他
量化：缩小模型
了解模型卡片中的信息
模型许可与使用限制
选择你的第一个模型
章节 4: 运行你的第一个本地LLM
本地LLM运行器介绍
设置 Ollama
用 Ollama 下载模型
使用 Ollama 运行模型 (命令行)
设置 LM Studio
在 LM Studio 中查找和下载模型
在LM Studio中加载模型并进行聊天
llama.cpp 简介 (核心思想)
动手实践：运行模型
章节 5: 简单交互与提示词使用
什么是提示？
你的第一个提示：简单问题
给出指令
理解上下文窗口
提示词排版基础建议
温度与创造力
常见交互方式
实践：简单的提示技巧
模型格式：GGUF及其他
这部分内容有帮助吗？
- GGUF File Format, Georgi Gerganov and llama.cpp contributors, 2024 - llama.cpp项目中为高效本地LLM推理开发的GGUF文件格式的官方规范和说明。
- safetensors Documentation, Hugging Face and safetensors contributors, 2024 -
safetensors库的官方文档，提供了一种安全高效保存和加载模型权重的方法，是传统序列化方法的替代方案。 - Saving and Loading Models, Matthew Inkawhich, 2024 (PyTorch Foundation) - PyTorch官方关于保存和加载模型的教程，展示了如何使用原生框架格式存储和检索PyTorch训练的模型。
- Save and load Keras models, TensorFlow Team and contributors, 2024 - TensorFlow官方关于使用Keras API保存和加载模型的指南，涵盖了TensorFlow生态系统中的SavedModel等原生格式。