目录
- 一、OrangePi Kunpeng Pro简介
- 二、环境搭建
- 三、模型运行环境搭建
- (1)下载Ollama用于启动并运行大型语言模型
- (2)配置ollama系统服务
- (3)启动ollama服务
- (4)启动ollama
- (5)查看ollama运行状态
- 四、模型部署
- (1)部署1.8b的qwen
- (2)部署2b的gemma
- (3)部署3.8的phi3
- (4)部署4b的qwen
- (5)部署7b的llama2
- 五、实际效果
- 六、总结
一、OrangePi Kunpeng Pro简介
OrangePi Kunpeng Pro是一款香橙派联合华为精心打造的高性能开发板，搭载了鲲鹏处理器，可提供8TOPS INT8计算能力，板卡设计很精致，板载资源也非常多：
拥有以太网、Wi-Fi+蓝牙功能，提供多种可选择的网络接入方式。
2个USB3.0 Host、1个支持USB3.0的Type-C接口：可接入鼠标、键盘、USB摄像头等设备，方便板卡操作。
2个HDMI接口、1 个 MIPI DSI 2 Lane接口，提供两种显示方案。
引出了40 pin 扩展口，可扩展UART、I2C、SPI、PWM 和 GPIO 等接口功能。
板卡完整接口如下图所示：
板卡扩展出的功能很多，能够满足很多应用场景和行业的开发需求，本文将描述使用OrangePi Kunpeng Pro来部署AI大模型，记录分析模型运行期间板卡的状态和模型运行效果。
二、环境搭建
（1）首先取出板卡，为板卡接入一个HDMI显示屏、一个无线蓝牙鼠标、一个有线键盘，接着接通电源，完成后如下图所示：
（2）随后板卡将自动启动运行openEuler操作系统，接着我们进入终端：
（3）查看下存储容量：
从上图可知目前可用容量很大，可满足小量级离线模型的存储。
板卡运行
openEuler非常流畅，使用体验感非常好。
（4）选择网络接入方式，本文使用Wifi接入。
（5）更改CPU为AI CPU
从上图中可知目前板卡有3个AP CPU和1个control CPU。
接着就进行模型运行环境搭建和模型部署了。
三、模型运行环境搭建
(1)下载Ollama用于启动并运行大型语言模型
由于在线下载Ollama速度较慢，故而使用手动方式安装Ollama，首先从下列地址下载Ollama：
https://ollama.com/download/ollama-linux-arm64
完成后将其通过ssh方式传输到板卡。接着将其重名为ollama，便于命令操作，然后将ollama复制到/usr/bin目录中并赋予可执行权限：
sudo chmod +x /usr/bin/ollama
(2)配置ollama系统服务
使用以下命令创建ollama服务描述文件：
sudo touch /etc/systemd/system/ollama.service
并在文件中编辑如下内容：
[Unit]
Description=Ollama Service
After=network-online.target
[Service]
ExecStart=/usr/bin/ollama serve
User=root
Group=root
Restart=always
RestartSec=3
[Install]
WantedBy=default.target
(3)启动ollama服务
使用下述命令启动ollama服务：
sudo systemctl daemon-reload
sudo systemctl enable ollama
(4)启动ollama
使用下述命令启动ollama:
sudo systemctl start ollama
(5)查看ollama运行状态
使用如下命令查看ollama运行状态：
systemctl status ollama.service
从上图可知目前ollama启动成功。
四、模型部署
通过上述第三小节的步骤后，Ollama模型运行环境就搭建完成，本小节将部署五个模型：1.8b的qwen、2b的gemma、3.8b的phi3、4b的qwen和7b的llama2，测试OrangePi Kunpeng Pro运行模型的实际效果。模型细节如下表所示：
| 序号 | 模型 | 参数 | 描述 |
|---|---|---|---|
| 1 | qwen | 1.8b | Qwen是阿里云开发的大型语言模型，1.8b，1.1GB |
| 2 | gemma | 2b | Gemma是由Google DeepMind构建的一系列轻量级的开放模型，大小1.7GB |
| 3 | phi3 | 3.8b | phi3是微软开发的开放AI模型系列，3.8b为Mini系列，大小2.4GB |
| 4 | qwen | 4b | Qwen是阿里云开发的大型语言模型，4b，大小2.3GB |
| 5 | llama2 | 7b | Llama 2是由Meta平台公司发行的基础语言模型，大小3.8GB |
(1)部署1.8b的qwen
使用ollama run qwen:1.8b部署1.8b的qwen模型：
上述模型部署完成后，对其进行问答测试，如下图所示：
效果：运行1.8b的qwen模型，CPU负载没有占满，进行问答测试，回答速度较快，效果很好！
(2)部署2b的gemma
使用ollama run gemma:2b部署2b的gemma模型：
上述模型部署完成后，对其进行问答测试，如下图所示：
效果：运行2b的gemma模型和运行1.8b的qwen模型效果相似，CPU负载同样没有占满，进行问答测试，回答速度快，效果好！
(3)部署3.8的phi3
使用ollama run phi3:3.8b部署3.8b的phi3模型：
上述模型部署完成后，对其进行问答测试，如下图所示：
效果：运行3.8b的phi3模型，进行问答测试，回答速度变慢了。
(4)部署4b的qwen
使用ollama run qwen:4b部署4b的qwen模型：
上述模型部署完成后，对其进行问答测试，如下图所示：
效果：运行4b的qwen模型，进行问答测试，回答问题速度明显变慢：计算生成答案的速度变慢，打印文字的速度也变慢了。
(5)部署7b的llama2
使用ollama run llama2:7b部署7b的llama2模型：
上述模型部署完成后，对其进行问答测试，如下图所示：
效果：运行7b的llama2模型，CPU满负载了，进行问答测试，回答问题速度也明显变得很慢：计算生成答案的速度变慢，打印文字的速度也变慢了。
五、实际效果
上述第四小节描述了运行五个模型的实际使用效果，本小节附上运行1.8b的qwen模型的效果，如下图所示：
（注：因gif图对视频有所处理，以实际运行效果为准！）
六、总结
OrangePi Kunpeng Pro板卡是一块拥有较高计算性能的板卡，本文使用该板卡部署了五个模型（以本文所描述模型为参考），对于1.8b和2b量级的模型来说运行效果还可以，体验较好；对于3.8b和4b量级的模型来说，体验感有所下降，一是计算生成答案的过程变长，二是文字输出存在断续；对于7b量级的模型，体验感更是降了一个层次，文字输出存在明显的断续了。
体验感是一个非理性的名词，因人而异，不同的场景和模型，不同的使用者都可能存在不同的体验，本文所有内容仅供参考和评测！
