大家好，最近两年大语言模型风靡全球，最近，不少开源大模型，将模型部署到自己的电脑上，用个性化的数据微调想必是不少人的愿望，这次，让我来分享从hugging face上下载部署chatglm3-6b中的经验。

1.硬件准备

结论：一般RTX 3060 6GB显卡是最小模型的门槛

补充“7B”指的是7亿参数。大语言模型参数量是指模型中可调整的参数的数量，通常用来衡量模型的大小和复杂程度，一般参数量越大的模型性能越强。商业化的模型一般在10B-100B之间，chatgpt4 13.3B。

我的配置：（查看方法：联想电脑管家，鲁大师）

很勉强，为了照顾显卡不行的小伙伴，这个帖子先用CPU进行部署

2.运算环境准备

2.1 安装anaconda

什么？你还不知道anaconda是啥？Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。

网上已经有很多下载安装教程，比如：https://blog.csdn.net/ABV09876543210/article/details/101194476

https://zhuanlan.zhihu.com/p/647523947

备注：现在最好python版本安装到3.8或者3.9，版本过低后面安装库的时候库的版本会过低。

我的报错解析：

1. 如果你已经安装，但在cmd使用conda 却报没有此命令，可以看看是不是没加入你的环境变量

如何配置环境变量？Win11方法在此: https://blog.csdn.net/weixin_46483785/article/details/131163456

2.2 配置软件环境

用conda create -n env python==3.8 命令创建名为“env”的新虚拟环境，用activate env或者conda activate env进入新建的虚拟环境（前面会出现新环境的名字）

并在新虚拟环境中使用conda下载（下载方法在刚刚conda教程中有）transformers>=4.38.2（为啥是这个或者以上的版本？后面会考！），tensorflow和pytorch。Pytorch安装比较麻烦，分为CPU版本和GPU版，具体教程看这里：https://www.jb51.net/python/302744e4p.htm

我是使用这个命令安装CPU版的 #安装pytorch conda install pytorch torchvision torchaudio cpuonly -c pytorch。使用conda list可以看见所有下载了的库：

然后虚拟环境导入到jupyter中（这时要保证自己在新的环境中！） https://blog.csdn.net/m0_56075892/article/details/130005168 首先要确保环境中有ipykernel ipython 库，没有的话进行安装

# 安装ipykernel ipython

pip install ipykernel ipython

# 查看jupyter下面有多少个kernels

jupyter kernelspec list

ipython kernel install --user --name pytorch1.6(虚拟环境名字)

最后，进入jupyter notebook,将kernel 调整成对应的虚拟环境将验证安装好了的包

新建一个notebook文档，然后输入 import torch import transformers 如果没有报错说明你已经安装好了。

3.下载大模型：

Hugging face官网是要科学上网滴：https://huggingface.co/ 在网站上chatglm3的官方下载方式是：from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True) model = AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True).half().cuda()

按照它的代码输入，你就会报这个错：

意思是：被墙了

这咋办？解决方法：国内镜像！https://hf-mirror.com/ https://aliendao.cn/#/ #我用的是这个

将所有文件下载到本地后，新建文件夹，命名，在本地加载 https://hf-mirror.com/

https://aliendao.cn/#/

例如，我将其放在这个文件夹下：

然后通过cd函数将工作路径调整到models文件夹后，就可以导入模型了：

from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True) model = AutoModel.from_pretrained(“THUDM/chatglm3-6b”, trust_remote_code=True).half() model = model.eval()

response, history = model.chat(tokenizer, “你好”, history=[]) print(response) 出现这样一句话说明你成功啦！你好!我是人工智能助手 ChatGLM-6B,很高兴见到你,欢迎问我任何问题。

如果报错：DLL load failed while importing _imaging: 找不到指定的模块的解决方法 是你安装的库的版本有问题，解决方法可以详见这个帖子：https://blog.csdn.net/qq_45510888/article/details/121446878

4.更简单,更快的部署方法：

一键下载安装！一键本地部署！

教程：https://zhuanlan.zhihu.com/p/672400265

支持以下模型，缺点：没有中文模型！：

这期到这里结束了，读到这里你也发现，这个不是一个纯粹的原创帖，更多是前人经验的总结归纳和我在走前人教程中遇到的问题，希望对大家有帮助。

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝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大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

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套大模型报告（免费分享）

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、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​