1、开发机创建conda环境：

2、安装第三方库：

3、新建pipeline_transformer.py文件，并运行：

4、运行结果：

5、执行模型：

6、与大模型进行对话：

7、默认占有的显存：

8、--cache-max-entry-count参数设置为0.5后占用的显存：

9、--cache-max-entry-count参数设置为0.01后占用的显存：

10、使用W4A16量化：

11、将kvcache降低为0.01，显存变为：

12、启动api服务：

13、网页客户端连接api服务器：

14、python代码集成大模型：

【拓展部分】

1、安装llava依赖库：

2、速度测试transformer：

速度测试lmdeploy：