1.python环境准备
注：llama-cpp-python安装一定要带上前面的参数安装，如果仅用pip install装，启动服务时并没将模型加载到GPU里面。
# CMAKE_ARGS="-DLLAMA_METAL=on" FORCE_CMAKE=1 pip install llama-cpp-python
CMAKE_ARGS="-DLLAMA_CUBLAS=on" FORCE_CMAKE=1 pip install llama-cpp-pythonpip install uvicorn
pip install starlette
pip install fastapi
pip install sse_starlette
pip install starlette_context
pip install pydantic_settings
2.llama-cpp-python安装报错
报错踩坑1：
安装llama-cpp-python过程出现报错
CMake Error at vendor/llama.Cpp/CMakeLists.txt:186 (find library):
Could not find FOUNDATION LIBRARY using the followingnames: Foundation
解决方法1：
网上找到采用离线安装到方式，可以成功安装，但是高兴得太早了。
wget https://github.com/abetlen/llama-cpp-python/releases/download/v0.2.56/llama_cpp_python-0.2.56-cp311-cp311-manylinux_2_17_x86_64.whl
pip install llama_cpp_python-0.2.56-cp311-cp311-manylinux_2_17_x86_64.whl
# 参考链接：https://blog.csdn.net/qq_38463737/article/details/136477026
坑1：
虽然可以成功安装，但是启动llama服务的时候，没法用到GPU加速。
报错踩坑2：
倒腾了很久，看报错一直是cmake对问题，寻思着可能是gcc版本的问题，将gcc升级到13.1。但还是出现报错：
CMake Error at vendor/llama.Cpp/CMakeLists.txt:186 (find library):
Could not find FOUNDATION LIBRARY using the followingnames: Foundation
或者其他诸如的报错【报错太多，没法全记录下来】
CMake configuration failed
看上面的报错Compiling the CUDA compiler identification source file “CMakeCUDACompilerId.cu” failed。感觉像是cuda跟gcc版本的不兼容问题。
解决方法2：
捣鼓了很久，后来参考了一些成功安装的经验，最后选择gcc-9.4.0版本
附带一下gcc版本安装步骤：
## 安装
tar xf gcc-9.4.0.tar.xz
cd gcc-9.4.0/
./contrib/download_prerequisites
mkdir build && cd build
../configure --prefix=/usr/local/gcc-9.4.0 --enable-bootstrap --enable-checking=release --enable-languages=c,c++ --disable-multilib
make -j16 # 我这里服务器是16核，这里根据服务器核数修改并行度。
make install ## 配置环境变量
export GCC_ME_HOME=/usr/local/gcc-9.4.0/
PATH=$GCC_ME_HOME/bin:/usr/local/bin:$PATH
export PATH
LD_LIBRARY_PATH=$GCC_ME_HOME/lib:$GCC_ME_HOME/lib64:/usr/local/lib:/usr/local/lib64:/usr/lib64:/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH
export CC=$GCC_ME_HOME/bin/gcc
export CXX=$GCC_ME_HOME/bin/g++
报错踩坑2：
后来还遇到这个问题
Could not find compiler set in environment variable CXX:
估摸着应该是CXX变量没加载的原因，重新加载环境变量，安装。
3.服务启动
python3 -m llama_cpp.server --model /data/opt/llama2_model/llama-2-7b-bin/ggml-model-f16.bin --n_threads 30 --n_gpu_layers 200
终于加载到GPU里面！
4.总结
当前环境各组件版本：
- gcc:9.4.0
- cuda:11.8
- python:3.11.4
- llama_cpp_python:0.2.56
以上，End
