前言：之前我们关于llama2的相关内容主要停留在gc层面，没介绍chat模式，本文将简单介绍下llama2.c的chat模式如何跑起来。训练就算了，没卡训练不起来的，但是用CPU来对别人训练好的模型进行推理还是绰绰有余的，对的，这里没有GPU，不用烧钱，只需要一块CPU和足够的内存空间。
这篇文章自认为比较水，哈哈哈。

之前文件如下：

• [玩转AIGC]sentencepiece训练一个Tokenizer(标记器)

• [玩转AIGC]如何训练LLaMA2（模型训练、推理、代码讲解，并附可直接运行的kaggle连接）

• [玩转AIGC]LLaMA2训练自己的中文故事撰写神器（content generation）
  

一、git代码

git clone https://github.com/karpathy/llama2.c.git

二、下载模型

hf 地址：
Llama-2-7b-chat

由于llama2.c目前只支持float32，所以不支持Llama-2-7b-cha-hf
最主要的模型为以下几个：

下载代码如下：
要把token改为你自己的token，怎么获取token就不赘述了，网上一大堆文章。

import huggingface_hub

huggingface_hub.snapshot_download(
        "meta-llama/Llama-2-7b-chat",
        local_dir="./Llama-2-7b-chat",
        token="*****************"
)

下载后的模型放在git下来的项目根目录，然后就可以开始转换了，转换时，为了避免死机，可把交互内存空间改大一点，这里用的cpu转换，不需要gpu

三、模型转换

python3 export.py llama2_7b_chat.bin --meta-llama Llama-2-7b-chat

四、编译

make run

五、运行及其结果

CPU直接跑，无需显卡，就是慢，哈哈哈！！无卡也能体验在自己的电脑上跑AIGC，杠杆的！！

./run llama2_7b_chat.bin -m chat

输入you are a Language expert 回车

再输入tell me how to learn english 回车

输出结果：

预告：后面将拿Stable Diffusion开刀，对里面的内容一探到底，并让你能够在移动手机上跑起来。