V2EX › littlepanda0716 的所有回复

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

2023 年 4 月 12 日

本项目已于昨日增加 Web UI Demo 和多文件导入支持，欢迎大家持续关注😁

🔗 https://github.com/imClumsyPanda/langchain-ChatGLM

2023 年 4 月 7 日

@uilvn @cwyalpha 可以参考 github.com/THUDM/ChatGLM-6B#%E7%A1%AC%E4%BB%B6%E9%9C%80%E6%B1%82 选择适合显存资源的模型，除此之外 embedding 模型目前选用占用 3G 显存的版本，可以替换为其他小模型。

2023 年 4 月 7 日

@elppa chatglm 硬件需求可参考 https://github.com/THUDM/ChatGLM-6B#%E7%A1%AC%E4%BB%B6%E9%9C%80%E6%B1%82

除此之外 embedding 如果也在 gpu 上运行也需要 3G 左右的显存

2023 年 4 月 7 日

@WEAlex 不是再训练是利用本地文档+embedding 构建索引，然后用问句语义到索引中匹配相近段落，再把段落作为上下文和问题一起提供给 llm

2023 年 4 月 6 日

@hellojay LLM 方面占用资源可以参考 ChatGLM 硬件需求： https://github.com/THUDM/ChatGLM-6B/blob/main/README.md#%E7%A1%AC%E4%BB%B6%E9%9C%80%E6%B1%82

embedding 模型在本项目中选用 GanymedeNil/text2vec-large-chinese ，在 GPU 上运行时约需要 3GB 显存，也可修改为 CPU 上运行或替换为其他 huggingface 中的 embedding 模型

2023 年 4 月 6 日

@infinityv 之前有考虑用 gpt index 做实现，但是后面发现 gpt index 不太灵活，就直接利用 langchain 做实现了，本质上类似于用 gpt index 做的应用。