阿里巴巴通义千问团队发布了Qwen2系列开源模型，该系列模型包括5个尺寸的预训练和指令微调模型：Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B以及Qwen2-72B。对比当前最优的开源模型，Qwen2-72B在包括自然语言理解、知识、代码、数学及多语言等多项能力上均显著超越当前领先的Llama3-70B等大模型。
老牛同学今天部署和体验Qwen2-7B-Instruct指令微调的中等尺寸模型，相比近期推出同等规模的开源最好的Llama3-8B、GLM4-9B等模型，Qwen2-7B-Instruct依然能在多个评测上取得显著的优势，尤其是代码及中文理解上。
特别注意： 虽然Qwen2开源了，但仍然需要遵循其模型许可，除Qwen2-72B依旧使用此前的Qianwen License外，其余系列版本模型，包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B以及Qwen2-57B-A14B等在内，均采用Apache 2.0许可协议。
下载Qwen2-7B-instruct模型文件
为了简化模型的部署过程，我们直接下载GGUF文件。关于GGUF文件介绍，请详见部署Llama3-8B大模型的文章：玩转AI，笔记本电脑安装属于自己的Llama 3 8B大模型和对话客户端
打开Qwen2-7B-Instruct-GGUF模型文件列表（https://modelscope.cn/models/qwen/Qwen2-7B-Instruct-GGUF/files），我们选择qwen2-7b-instruct-q5_k_m.gguf并下载：
我们可以根据自己需要，选择下载其它版本的模型文件！
启动Qwen2-7B-Instruct大模型
GGUF模型量化文件下载完成后，我们就可以来运行Qwen2-7B大模型了。
在启动Qwen2-7B大模型之前，我们首先需要安装Python依赖包列表：
pip install llama-cpp-python
pip install openai
pip install uvicorn
pip install starlette
pip install fastapi
pip install sse_starlette
pip install starlette_context
pip install pydantic_settings
然后打开一个Terminal终端窗口，切换到GGUF模型文件目录，启动Qwen2-7B大模型（./qwen2-7b-instruct-q5_k_m.gguf即为上一步下载的模型文件路径）：
# 启动Qwen2大模型
# n_ctx=20480代表单次回话最大20480个Token数量
python -m llama_cpp.server \
--host 0.0.0.0 \
--model ./qwen2-7b-instruct-q5_k_m.gguf \
--n_ctx 20480
Qwen2-7B-instruct 命令行对话客户端
CLI命令行的客户端，可以参考之前LLama3-8B大模型的文章：https://mp.weixin.qq.com/s/MekCUJDhKzuUnoykkGoH2g
# client.py
from openai import OpenAI
# 注意服务端端口，因为是本地，所以不需要api_key
client = OpenAI(base_url="http://127.0.0.1:8000/v1",
api_key="not-needed")
# 对话历史：设定系统角色是一个只能助理，同时提交“自我介绍”问题
history = [
{"role": "system", "content": "你是一个智能助理，你的回答总是容易理解的、正确的、有用的和内容非常精简."},
]
# 首次自我介绍完毕，接下来是等代码我们的提示
while True:
completion = client.chat.completions.create(
model="local-model",
messages=history,
temperature=0.7,
stream=True,
)
new_message = {"role": "assistant", "content": ""}
for chunk in completion:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
new_message["content"] += chunk.choices[0].delta.content
history.append(new_message)
print("\033[91;1m")
user_input = input("> ")
if user_input.lower() in ["bye", "quit", "exit"]: # 我们输入bye/quit/exit等均退出客户端
print("\033[0mBYE BYE!")
break
history.append({"role": "user", "content": user_input})
print("\033[92;1m")
启动CLI对话客户端：python client.py
至此，我们可以与Qwen2-7B-Instruct进行对话，体验Qwen2大模型的魅力了。
如果我们主要是通过API的方式使用Qwen2大模型，那么Qwen2部署就到此结束了。
接下来的章节，我们部署WebUI对话客户端，通过Web界面的方式使用Qwen2大模型，并且可以分享出去~
Qwen2-7B-Instruct WebUI客户端
结合Ollama工具，搭建WebUI客户端，可参考之前Llama3-8B大模型的文章：一文彻底整明白，基于Ollama工具的LLM大语言模型Web可视化对话机器人部署指南
第一步： 我们需要下载安装Ollama本地大模型管理工具：
Ollama提供了MacOS、Linux和Windows操作系统的安装包，大家可根据自己的操作系统，下载安装即可：
安装包下载之后的安装过程，和日常安装其他软件没有差别，包括点击Next以及Install等安装ollama到命令行。安装后续步骤中，我们可无需安装任何模型，因为我们在上文中我们已经安装了Qwen2-7B大模型，后面可以直接使用。
第二步： 安装Node.js编程语言工具包
安装Node.js编程语言工具包和安装其他软件包一样，下载安装即可：https://nodejs.org
安装完成之后，可以验证一下 Node.js 的版本，建议用目前的最新v20版本：
node -v
老牛同学安装的版本：v20.13.1（最新版本）
第三步： 基于GGUF模型文件创建Ollama模型
在我们存放Qwen2-7B的 GGUF 模型文件目录中，创建一个文件名为Modelfile的文件，该文件的内容如下：
FROM ./qwen2-7b-instruct-q5_k_m.gguf
然后在Terminal终端，使用这个文件创建Ollama模型，这里我把Ollama的模型取名为Qwen2-7B：
$ ollama create Qwen2-7B -f ./Modelfile
transferring model data
using existing layer sha256:258dd2fa1bdf98b85327774e1fd36e2268c2a4b68eb9021d71106449ee4ba9d5
creating new layer sha256:14f4474ef69698bf4dbbc7409828341fbd85923319a801035e651d9fe6a9e9c9
writing manifest
success
最后，通过Ollama启动我们刚创建的大语言模型：
ollama run Qwen2-7B
启动完毕，其实我们已经有了一个和之前差不多的控制台对话界面，也可以与Qwen2-7B对话了。
如果我们不想要这个模型了，也可以通过命令行删除模型文件：ollama rm Qwen2-7B
我们也可以查看本地Ollama管理的模型列表：ollama list
Ollama存放模型文件根目录：~/.ollama
第四步： 部署Ollama大模型Web对话界面
控制台聊天对话界面体验总归是不太好，接下来部署 Web 可视化聊天界面。
首先，下载ollama-webuiWeb 工程代码：git clone https://github.com/ollama-webui/ollama-webui-lite
然后切换ollama-webui代码的目录：cd ollama-webui-lite
设置 Node.js 工具包镜像源，以接下来下载 Node.js 的依赖包更加快速：npm config set registry http://mirrors.cloud.tencent.com/npm/
安装 Node.js 依赖的工具包：npm install
最后，启动 Web 可视化界面：npm run dev
如果看到以上输出，代表 Web 可视化界面已经成功了！
第五步： 通过WebUI愉快与Qwen2-7B对话
浏览器打开 Web 可视化界面：http://localhost:3000/
可以看到Ollama的初始化页面，默认没有模型，需要选择，我们选择刚创建并部署的Qwen2-7B模型：
底部就是聊天输入框，至此可以愉快的与Qwen2-7B聊天对话了：
总结：Qwen2-7B比Llama3-8B快
老牛同学验证和对比，在文本推理上，Qwen2-7B确实比Llama3-8B要快很多。后续老牛同学中文文本推理相关的API接口，就主要采用更快Qwen2-7B大模型了~
其他：Ollama工具常用用法
从上文的介绍可以看到，基于Ollama部署一个大模型的 Web 可视化对话机器人，还是非常方便。下面整理了部分Ollama提供的用法或者。
Ollama 命令工具
# 查看当前Ollama的模型
ollama list
# 增量更新当前部署的模型
ollama pull Qwen2-7B
# 删除一个模型文件
ollama rm Qwen2-7B
# 复制一个模型
ollama cp Qwen2-7B Qwen2-newModel
Ollama API结果返回
curl http://localhost:11434/api/generate -d '{
"model": "Qwen2-7B",
"prompt":"为什么天空是蓝色的？"
}'
Ollama API聊天对话
curl http://localhost:11434/api/chat -d '{
"model": "Qwen2-7B",
"messages": [
{ "role": "user", "content": "为什么天空是蓝色的？" }
]
}'