前言

AI 大模型发展到现在，国内外都有在线和离线版本，那如何在自己本地部署大模型呢？本文分享了一种简单的办法，一起来看看吧。我们经常能看到某某公司开源了一款 AI 大模型的新闻。这些模型都有着超强的能力，从生成大段的文字、逼真的图像，到理解和翻译不同语言，再到创造出令人叹为观止的音乐和艺术作品。

对于我们普通人来说，这些高科技听起来不仅遥不可及，而且似乎与我们的日常生活无关，他们像是只有那些天才和大神们才能操作和使用的。

但是这些强大的 AI 模型，并不止是大神们才能接触和使用，实际上，这些模型的使用门槛其实不高。任何对 AI 感兴趣的人都可以轻松获取和使用这些模型，就像搭乐高积木一样，将它们组合起来，创造出你心目中的应用。

这一切既不需要深厚的技术背景，也不需要复杂的编程技能。只要你有想法和一丢丢的学习，这些强大的模型就能成为你随意操作的「乐高」，搭建出你设想的样子。

下面我们一起来看下，如何把模型跑起来～

一、找模型

首先，第一步我们得知道去哪里找到这些模型，很简单，有一个神奇的网站叫：Hugging Face（https://huggingface.co/），这个网站本质就是一个大模型的托管网站，目前这个网站托管的 AI 模型超过 57 万。一些热门的模型，比如 meta 的 Llama 系列模型，google 的 Gemini 等都托管在这个网站上，任何人都可以访问并使用它们。

假设，我们现在要找一个模型，可以实现读图的功能，就是给它一张图片，它可以告诉我这个图片里的主要内容是什么。这个模型的逻辑如下图，非常简单，输入一张图片，输出一段图片的文本描述。

这个模型本质上就是一个图片到文本的模型，我们在 Hugging Face 里选择 Image-to-Text 的分类，然后从得到的结果里看排名第一个的模型，就是下图红框圈选的：Salesforce/blip-image-captioning-large，这个就是模型的名字。

点击模型进行模型的详情页，这里有模型的详细原理介绍，以及在线试用的功能，可以在这里直接体验模型的效果。

找到了模型之后，我们接下来第二步，如何部署和使用模型。

二、部署和使用

模型的使用涉及到模型的加载、预处理、模型推理和后处理步骤等，听起来似乎很复杂，但是不用担心，Hugging Face 还给我们提供了一套使用的工具，那就是 Transformers 库中的 pipeline 方法，pipeline 将前面提到的模型使用所有步骤封装成一个简单的函数调用。我们只需要使用这个函数方法，指定需要完成的任务类型，当然我们也可以指定特定的模型和配置来定制使用。Transformers 库是由 Hugging Face 公司开发的一个开源 Python 库，里面除了 pipeline 外，还有很多其它的方法和工具，这里就不细说了。

具体的使用其实就是几行 Python 代码就可以搞定，非常简单。这里额外说下，我们经常在使用写 python 的时候，需要安装编译器和配置环境，往往这些环境配置就已经消耗了我们的所有激情了。这里，感谢 google 大大提供的一个在线编程工具 colab，直接解决所有安装和环境问题。

Colaboratory 界面如下，就是一个可以在线写 python 代码的「笔记本」。

我们新建一个文件，然后输入第一行代码：

pip install transformers

就这样一行代码，Transformers 库就安装好了。后面具体的操作，点击上传图片。

随后编写的代码和解释如下，懂一点点 python 和编程的人，应该就能写出来。写完后点击代码侧边的运行按钮即可。

输出的文案是：arafed woman sitting on the ground with a camera and a tripod. （一位戴着头巾的女性坐在地上，旁边放着相机和三脚架。）基本识别出来图片中的主要内容。

到此，我们的第一个模型的选择和使用的 demo 就完成了。

代码地址如下：https://colab.research.google.com/drive/1NWTircHzljiU2MNCKjA9PpyGJCMcpqmc?usp=sharing

小节

如果我们有更复杂的想法，比如我们可以用得到的图片描述，再用 LLM 模型，帮助编写一个故事脚本，再通过一个文生视频模型，变成图片或者视频，具体的流程如下图所示。

这些都是可以用一个一个模型拼接出来的。至于如何拼接，后续的文章中会继续介绍。

因此，在 AI 时代来临之际，如果你是一个有想法的产品，那么可以自己通过这些多种多样的模型实现自己的想法。分享一个我看到的有意思的模型实践，利用 codeformer 模型，去除图片的马赛克，大家可以去 huggingface 上体验下，https://huggingface.co/spaces/sczhou/CodeFormer