研究者對 Llama 2 的二次開發項目是越來越多了。

前些天，Meta 發布的免費可商用版本 Llama 2，可謂在 AI 界引起了巨大的轟動。

Meta 一口氣發布了多個模型系列：包含 70 億、130 億和 700 億三種參數變體，此外還訓練了一個 340 億參數變體。

公布的測評結果顯示，Llama 2 在包括推理、編碼、精通性和知識測試等許多外部基準測試中都優于其他開源語言模型。

不同于 ChatGPT、GPT-4 等閉源模型，由于 Llama 2 可用于商業目的，一經發布就吸引了一大波 AI 研究人員的注意。由于任何人都可以通過在 Meta 網站上填寫表格來請求下載 Llama 2，根據官方消息，自發布以來，Llama 2 一周內就有超過 15 萬次的下載請求。Meta 對于這一數字的描述是難以置信，并且用戶請求數量還在增長。

Llama 2 請求地址：https://ai.meta.com/resources/models-and-libraries/llama-downloads/

來源：https://ai.meta.com/blog/llama-2-update/?utm_source=twitter&utm_medium=organic_social&utm_campaign=llama2&utm_content=card

隨著 Llama 2 的逐漸走紅，大家對它的二次開發開始流行起來。前幾天，OpenAI 科學家 Karpathy 利用周末時間開發了一個明星項目 llama2.c，借助 GPT-4，該項目僅用 500 行 C 語言就實現了對 Llama 2 baby 模型的推理。該項目可以在蘋果 M1 筆記本上每秒輸出 98 個 token。

剛剛，又有一個和 LLaMA 2 相關的項目 llama2.rs 開始得到大家的關注，項目作者是來自康奈爾大學的助理教授 Alexander Rush。

總結而言，該項目主要是用 Rust 實現 Llama2，結果表明，用這種方式實現的 LLaMA 2 非常安全，而且很快。值得一提的是，該項目用到了 Karpathy 的 llama2.c 項目的 Rust 端口。

項目地址：https://github.com/srush/llama2.rs

深度學習三巨頭之一的 Yann LeCun 也宣傳了一波：

接下來我們看看，如何使用 llama2.rs。

構建 llama2.rs 非常簡單，只需一行代碼：

> cargo build --release

運行程序如下，顯示 tok/s 為 0.92618316：

> target/release/llama2_rs ../llama2.c/llama2_7b.bin 0.0 11 "The only thing"
The only thing that is certain in life is change.
achieved tok/s: 0.92618316

作為對比，下面是作者在電腦上運行原始 llama2.c，顯示 tok/s 為 0.139889：

> ./run llama2_7b.bin 0.0 11 "The only thing"
The only thing that is certain in life is change.
achieved tok/s: 0.139889

在談到為何開發這一項目時，Alexander Rush 表示，自己只是想做一些關于 Rust 的練習，與此同時，學習該如何進行程序移植，比如內存映射、并行處理和一些數學技巧。

接下來，Alexander Rush 打算嘗試移植 minitorch，感興趣的讀者可以關注一下了。