4GB 显存限制下构建 LLM 基础开发环境指南

有 NVIDIA 4GB 显存的设备，就可以搭建一个用于 LLM 的基本开发环境。

比如这里使用的是 NVIDIA GeForce GTX 1650，4GB 显存。

另外，经测试也能运行在 NVIDIA GeForce GTX 3050 4GB 笔记本上。

基本思路

• 消耗显存主要是：
  • LLM（大语言模型）：如果使用 Qwen2:1.5b，大约消耗 2GB；如果是 Qwen2:0.5b，则更小。
  • Embedding（嵌入模型）：bge-large-zh-v1.5@f16，大约消耗 1.2GB。
• 基础开发环境用于测试程序是否能跑通，因此可以先用本地小模型。
• 如果需要更大的模型，可以再使用云端模型。
• 切换本地模型和云端模型很容易，因为使用 One-API 统一了本地和云端模型的调用接口。
• 调用模型调试代码，采用 Jupyter Notebook 笔记。
• 这样调试很方便，也便于分享。
• 如果使用客户端方案，比如 Streamlit 或者 Gradio，过程复杂了，没有专注在模型相关，可能涉及很多客户端细节。
• 团队可能有专门的前端，会有他们的基于 Vue 或者 React 解决方案。
• 将来很容易将笔记代码移植到比如 FastAPI 的服务器端模块。

实现技术

• 使用 Docker 容器方式运行，通过 Compose 管理 Docker 容器。
• 使用 Ollama 加载本地模型。
• 使用 One-API 统一管理本地和云端模型，并提供统一的 OpenAI API 访问方式。
• 使用 JupyterLab 提供 Web 界面的开发编辑工具。

操作步骤

基础环境

• Linux 环境：已经正确安装了 NVIDIA Driver，并安装了 Docker 和 Compose。
• Windows 环境：WSL2 的 Linux 虚拟机，安装了 Docker 和 Compose。

下载源代码

git clone https://github.com/MarshalW/llm-proto.git

Docker 设置代理

如果能直接访问 Docker 官方 Registry，则不需要这一步。

下面脚本为 Docker 设置代理服务器。

# 代理配置
HTTP_PROXY="http://proxy.example.com:8080"
NO_PROXY="localhost,127.0.0.1,docker-registry.example.com,.corp"

# 配置文件路径
CONFIG_FILE="/etc/systemd/system/docker.service.d/http-proxy.conf"

# 创建目录（如果不存在）
mkdir -p "$(dirname "$CONFIG_FILE")"

# 写入配置文件
cat <<EOF | sudo tee "$CONFIG_FILE" > /dev/null
[Service]
Environment="HTTP_PROXY=$HTTP_PROXY"
Environment="HTTPS_PROXY=$HTTP_PROXY"
Environment="NO_PROXY=$NO_PROXY"
EOF


 systemctl daemon-reload


 systemctl restart docker