1.llama.cpp介绍
Llama.cpp 是一个开源的、轻量级的项目，旨在实现 Meta 推出的开源大语言模型 Llama 的推理（inference）。Llama 是 Meta 在 2023 年开源的一个 70B 参数的高质量大语言模型，而 llama.cpp 是一个用 C++ 实现的轻量化推理端解决方案，适用于运行和测试 Llama 模型。
特点
1.轻量化：llama.cpp 是一个非常轻量级的项目，代码简洁且易于编译，适合快速上手和测试。
2.开源：完全开源，代码和模型权重都可以自由获取和使用。
3.支持多种模型：支持 Llama 的不同版本（如 7B、14B、30B、70B 参数量），用户可以根据需求选择。
4.跨平台：支持在多种操作系统（如 Linux、Windows、macOS）上运行。
5.易于集成：代码结构简单，适合开发者快速集成到自己的项目中。
应用场景
- 个人项目：开发者可以快速使用 Llama 模型进行文本生成、对话机器人等实验。
- 教育和研究：适合学习和研究大语言模型的实现和应用。
- 小规模部署：对于小型项目或个人用途，llama.cpp 提供了一个方便的解决方案。
2.编译llama.cpp
2.1 环境准备
- 安装cmake:https://cmake.org/download/
- 安装visual studio 2022
- 安装git
2.2 编译llama.cpp
确保环境准备ok，就可以执行下述命令进行编译了！
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
mkdir build
cd build
cmake .. -G "Visual Studio 17 2022" -A x64
cmake --build . --config Release -- /m
编译成功后，这里生成了很多成果物，后面我们就要用其中的一些来运行我们的模型。
3.运行模型
运行模型前需要下载好模型文件，llama.cpp支持gguf格式的模型文件。我们可以去huggineface上面下载。下面是一个比较小的模型，有多个不同的量化版本，下载其中一个就行。
下载页面如下：https://huggingface.co/unsloth/DeepSeek-R1-Distill-Qwen-1.5B-GGUF/tree/main
3.1 命令模式
使用llama-cli.exe来运行模型，命令如下(记住要换成模型文件的实际路径)：
./llama-cli -m "C:\Users\51559\AppData\Local\nomic.ai\GPT4All\DeepSeek-R1-Distill-Qwen-14B-Q4_0.gguf"
上述命令执行后，就可以愉快地玩耍了～
3.2 服务模式
如果你觉得命令模式运起来不舒服，可以用服务模式，服务模式会运行一个web，可以直接在ｗｅｂ上进行对话。
./llama-server -m "C:\Users\51559\AppData\Local\nomic.ai\GPT4All\DeepSeek-R1-Distill-Qwen-14B-Q4_0.gguf" --port 8080
当我们看到上面的输出后，就可以在浏览器通过这个地址进行对话了：http://127.0.0.1:8080/
好了，deepseek-r1模型就在本地部署起来了。但是我们今天使用的是cpu，如果你下载的模型比较大，而你的电脑配置又比较差，可能运行起来不是那么流畅。
下一节，我来教大家如何使用本地GPU，让模型更加流畅地运行！
