企业官网建设流程全解析

Llama 3 模型权重完整获取与校验指南

【免费下载链接】llama3The official Meta Llama 3 GitHub site项目地址: https://gitcode.com/GitHub_Trending/ll/llama3

Meta Llama 3 是官方开源的大语言模型仓库，提供 8B 与 70B 两种规模的预训练及指令微调权重和最小推理代码。本文面向首次接触 Llama 3 的开发者，覆盖权限申请、权重下载、文件校验与本地推理验证的完整流程。

项目速览

仓库包含 Llama 3 的模型实现（llama/）、可直接运行的推理示例，以及官方权重下载脚本。定位上它是一个"最小可用示例"：不追求功能全面，只保证你能把权重加载起来并跑通一次生成。

关键文件入口：

• 下载脚本：download.sh
• 使用条款：USE_POLICY.md、LICENSE
• 对话示例：example_chat_completion.py
• 文本续写示例：example_text_completion.py
• 模型说明：MODEL_CARD.md
• 依赖清单：requirements.txt

下载权重前需要准备什么

注意：README 开头标注了官方已将后续开发迁移到 llama-models 等新仓库，本仓库保留用于 Llama 3 原始权重的获取与推理示例，做 Llama 3.1 及之后的开发请留意官方指引。

官方脚本还是 Hugging Face 渠道

两条渠道都需要同步申请权限并同意条款，区别在于拿到的权重格式：

推荐走官方download.sh：本仓库的示例代码就是按它的目录结构写的，省掉格式转换这一步。

官方脚本下载 Llama 3 权重实操

第 1 步，克隆仓库并安装依赖。

git clone https://gitcode.com/GitHub_Trending/ll/llama3 cd llama3 pip install -e .

预期看到：pip 成功安装 fairscale、tiktoken 等依赖，无报错。

第 2 步，运行下载脚本，按提示操作。

bash download.sh # 提示 1：粘贴邮件中的 URL（手动复制，不要用"复制链接"按钮） # 提示 2：输入模型列表，如 8B-instruct，或直接回车下载全部

预期看到：按模型逐个下载consolidated.0.pth、params.json、tokenizer.model、checklist.chk四个文件，最后输出Checking checksums并校验通过；8B 模型落在Meta-Llama-3-8B-Instruct/目录，70B 则是consolidated.0.pth到consolidated.7.pth共 8 个分片。

权重下载后如何验证是否成功

三步确认，每步都有明确的通过标准：

1. MD5 校验。官方脚本已自动执行；手动复验进入模型目录跑：

md5sum -c checklist.chk

通过标准：所有行均为OK。出现FAILED时先删掉对应的.pth文件再重跑download.sh（wget 带--continue，会续传）。

2. 参数文件检查。查看params.json，8B 模型的典型值为dim: 4096、n_layers: 32、n_heads: 32、vocab_size: 128256。文件缺失或字段对不上，说明下载不完整，回到第 1 步重下。

3. 示例推理运行。加载权重实际生成一次文本：

torchrun --nproc_per_node 1 example_chat_completion.py \ --ckpt_dir Meta-Llama-3-8B-Instruct/ \ --tokenizer_path Meta-Llama-3-8B-Instruct/tokenizer.model \ --max_seq_len 512 --max_batch_size 6

通过标准：终端打印出多轮对话回复（如蛋黄酱食谱、巴黎景点）。70B 模型需把--nproc_per_node改为 8；max_seq_len上限 8192，按显存调小。

下载报错先查这里

下一步

权重跑通之前，建议先通读 MODEL_CARD.md 了解各模型的能力边界与评估口径，并确认 USE_POLICY.md 中的使用限制；想复现官方评测设置可以参考 eval_details.md。

【免费下载链接】llama3The official Meta Llama 3 GitHub site项目地址: https://gitcode.com/GitHub_Trending/ll/llama3