做卫生用品的网站广东seo推广公司

---

前言

Qwen3发布后4小时内GitHub获1.7万星标，刷新开源大模型热度纪录。本篇文章将以transformers调用的方式快速进行Qwen3调用。

---

下载相关依赖

需要安装accelerate、torch和transformers
下载accelerate

pip install accelerate

下载torch
读者需要根据自己的驱动版本和系统配置在torch官网下载合适的下载命令
torch链接：https://pytorch.org/get-started/locally/

下载transformers
这里要求transformers的版本要大于等于4.51.0

---

下载模型

笔者不建议直接区huggingface上下载，这样会很慢，建议在huggingface镜像或者modescope上下载。由于笔者习惯使用git方式下载，本篇中使用hf-mirror下载。
hf-mirror链接：https://hf-mirror.com/
搜索qwen3

Qwen3放出来八个模型，密集型模型有Qwen3-0.6B、Qwen3-1.7B、Qwen3-4B、Qwen3-8B、Qwen3-14B、Qwen3-32B，多专家模型有Qwen3-30B-A3B、Qwen3-235-A22B。
密集型模型的大小很好理解，B表示10亿参数，4B的意思就是40亿参数。多专家模型的大小由总参数与激活参数决定，30B-A3B表示一共有30B参数，运行时激活3B参数。

参数与对应配置的参考如下表：

模型	显存	内存
Qwen3-0.6B	1GB+	4GB+
Qwen3-1.7B	2GB+	8GB+
Qwen3-4B	8GB+	16GB+
Qwen3-8B	14GB+	16GB+
Qwen3-14B	24GB+	32GB+
Qwen3-32B	58GB+	64GB+
Qwen3-30B-A3B	55GB+	64GB+
Qwen3-235-A22B	350GB+	512GB+

笔者在这里选择4B的模型

切换到本地模型保存目录，然后命令行运行以下两条命令，等待执行结束即可

---

代码

导入包

from transformers import AutoModelForCausalLM, AutoTokenizer

导入模型与分词器
model_name是笔者保存模型文件的路径，使用AutoTokenizer加载分词器，AutoModelForCausalLM加载模型。

model_name = r"D:\alpha_ordered\MyCodeBase\Large Model\LLM\huggingface_model\Qwen3-4B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name,torch_dtype="auto",device_map="auto"
)

词嵌入
prompt是用户要询问大模型的问题，messages是符合大模型对话格式的输入形式

prompt = "给出一个关于大语言模型的简短介绍"
messages = [{"role": "user", "content": prompt}
]
# 词嵌入过程
text = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True,  # 封装在提示词模板里，所有模型默认，function calling功能也依赖提示词模板enable_thinking=True,  # 是否启动思考模式，也是通过修改提示词模板实现
)print("model device:", model.device)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

创建并回复

generated_ids = model.generate(**model_inputs,max_new_tokens=32768
)output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()
# parsing thinking content
try:# rindex finding 151668 (</think>)index = len(output_ids) - output_ids[::-1].index(151668)
except ValueError:index = 0thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")
print("thinking content:", thinking_content)
print("content:", content)

---

运行结果

Loading checkpoint shards: 100%|██████████| 3/3 [00:06<00:00,  2.00s/it]
Some parameters are on the meta device because they were offloaded to the cpu.
model device: cuda:0
thinking content: <think>
好的，用户让我给出一个关于大语言模型的简短介绍。首先，我需要明确用户的需求是什么。他们可能是在准备一个演示、写一篇简短的说明文，或者只是想了解大语言模型的基本概念。不管怎样，用户需要的是简洁明了的介绍，不能太复杂，也不能遗漏关键点。接下来，我得考虑大语言模型的核心要素。首先，大语言模型（LLM）是基于深度学习的，特别是Transformer架构。然后，它们通过大量文本数据进行训练，能够理解和生成人类语言。应用方面，比如文本生成、问答、编程等。还有它们的规模，参数量大，比如像GPT-3、BERT这样的模型。不过用户要的是简短的介绍，所以需要把重点放在定义、特点、应用上。可能还需要提到它们的训练方式，比如自监督学习，或者使用大量数据。另外，可能需要提到它们的用途，比如辅助工作、创作内容等。还要注意避免使用过于专业的术语，保持易懂。比如，可以解释一下Transformer架构，但可能不需要太深入。另外，可能需要提到它们的局限性，比如在特定领域可能不够准确，或者需要大量计算资源。但用户没有特别提到局限性，所以可能不需要包括。不过简短介绍里是否需要提到呢？可能不需要，因为用户可能只需要基本的定义和用途。所以重点放在定义、技术基础、应用场景上。然后检查有没有遗漏的关键点。比如，大语言模型的训练数据量大，参数量大，能够处理多种任务，支持多语言等。这些都需要简要提及。现在组织语言，确保句子连贯，信息准确。比如：“大语言模型是基于深度学习的AI系统，通过大量文本数据训练，能够理解和生成自然语言。它们基于Transformer架构，具备强大的文本生成、问答和编程能力，广泛应用于内容创作、智能助手等领域。” 这样是否足够？可能需要更详细一点，比如提到自监督学习，或者参数量的规模。但用户要求简短，所以可能需要平衡。例如：“大语言模型是基于Transformer架构的深度学习模型，通过海量文本数据训练，具备强大的自然语言理解和生成能力。它们可应用于文本生成、问答、编程等任务，广泛用于内容创作、智能助手等领域。”这样应该更全面，同时保持简洁。检查有没有冗余，是否符合用户的要求。可能用户需要更简短，所以再缩短一点：“大语言模型是基于Transformer架构的深度学习模型，通过大量文本数据训练，能理解和生成自然语言，广泛应用于文本生成、问答、编程等领域。”这样更简短，但可能信息量足够。需要确保关键点都涵盖：架构、训练方式、能力、应用。这样应该可以满足用户的需求。
</think>
content: 大语言模型（LLM）是基于Transformer架构的深度学习系统，通过海量文本数据训练，具备强大的自然语言理解和生成能力。它们可处理多语言、多任务，广泛应用于文本创作、问答、编程、翻译等领域，是当前AI技术的重要突破方向。

可以留意一下以下提示，说明高版本的transformers已经具备了将一部分模型参数卸载到cpu中的能力了，这也就意味着，同样的显存下，可以尝试跑更大的模型