1.配置需求
Heurist测试网提供两种积分：waifu point和Llama point。waifu point是通过运行词生图的sd模型获得的。Llama point是通过运行llm大语言模型获得的。在运行模型时，显卡型号没有限制，但显存是硬性门槛，需求显存越大的模型获得分数的系数也会更高。
下图为目前支持的llm模型，sd模型只有启用或排除sdxl两种模式，启用sdxl需要12G显存，排除sdxl模型目前我测试下来8G显存就可以跑
2.在gpu租赁平台运行miner
教程分为在租赁平台上运行和windows本地运行两个部分
2.1 在租赁平台上运行llm与sd
显卡租赁平台提供了运行的基础环境，因此门槛也是最低的，我这边以VAST平台作为演示，可以使用虚拟货币充值。演示使用3090 24g显存作为示例，因为性价比较高，还能同时运行llm与sd（同时运行也可能导致任务超时而拿不到积分）。
https://cloud.vast.ai/?ref_id=85950&template_id=e4c5e88bc289f4eecb0c955c4fe7430d
使用以上链接的模板，硬盘选择100G（3090双跑大概需要60g硬盘）
左边模板应该和图片一样，然后选择显卡租赁（地区选US的最佳，CN的不要选，下载网速最好选快点的，因为模型有几十g要下载）
接下来启动实例
如果启动后显示不安全，就点击高级然后选择继续访问。进入jupyter之后，启动新的终端
首先我们安装llm,终端执行命令
sudo apt update && sudo apt upgrade -y && sudo apt install python3-venv screen jq bc -y && sudo git clone https://github.com/heurist-network/miner-release.git && cd miner-release && sudo chmod +x llm-miner-starter.sh && screen -S llm-miner
该命令会安装一些前置依赖并启动一个新的终端
然后使用以下命令来编辑我们的地址
echo "MINER_ID_0=你的地址-备注" > .env
例如 echo "MINER_ID_0=0x8ec3C1EFC569e73D1e4ea7fD0f5858C0C9FC02CD-3090" > .env
接下来我们运行llm启动脚本
./llm-miner-starter.sh 模型名字
具体模型名字根据前面配置需求去修改，我这是3090，所以我执行的是
./llm-miner-starter.sh dolphin-2.9-llama3-8b
脚本一开始会下载模型，最后显示如上输出miner就正常运行了
我们键入 ctrl+a+d 使程序后台运行
使用 screen -r llm-miner 可以重新回到程序
2.2 同时运行sd
这一段的前提是已经运行了llm-miner
我们先将llm程序置于后台运行，ctrl+a+d
执行以下命令，创建一个新的终端
screen -S sd-miner
在新终端内执行
conda create -n sd-venv python=3.11 -y --quiet && conda activate sd-venv && pip install -r requirements.txt && python sd-miner-v1.2.0.py --log-level DEBUG --auto-confirm yes --exclude-sdxl
同样程序会先下载模型，最后看到如下图所示则代表sd-miner已成功运行
同样我们键入 ctrl+a+d 使程序后台运行
screen -r sd-miner 可以重新回到程序
2.3 单独运行sd-miner
例如你租了3060 12G显存的显卡，只想单独运行sd-miner
模板用的和前面的是一样的
进入终端执行
mkdir -p ~/miniconda3 && wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh && bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3 && rm -rf ~/miniconda3/miniconda.sh && ~/miniconda3/bin/conda init bash && source /root/.bashrc && git clone https://github.com/heurist-network/miner-release && conda create -n sd-venv python=3.11 -y --quiet && conda activate sd-venv && cd miner-release && pip install -r requirements.txt
设置账号
echo "MINER_ID_0=你的地址-备注" > .env
例如 echo "MINER_ID_0=0x8ec3C1EFC569e73D1e4ea7fD0f5858C0C9FC02CD-3090" > .env
最后启动sd程序
python sd-miner-v1.2.0.py --log-level DEBUG --auto-confirm yes
3. windows本地运行sd-miner
根据自己显卡型号安装最新版的N卡驱动
https://www.nvidia.cn/geforce/drivers/
根据自己系统版本下载并安装12.1的cuda驱动
https://developer.nvidia.com/cuda-12-1-0-download-archive?target_os=Windows&target_arch=x86_64
下载并安装miniconda
https://docs.anaconda.com/free/miniconda/index.html
下载最新的miner-release
https://github.com/heurist-network/miner-release/archive/refs/heads/main.zip
解压完miner-release我们先将.env.example重命名为.env，并且修改里面的id
MINER_ID_0=你的地址-备注
例如MINER_ID_0=0x8ec3C1EFC569e73D1e4ea7fD0f5858C0C9FC02CD-3090
接着用管理员打开conda的控制台
使用cd+你miner-release的目录路径进入文件夹
接着依次执行以下命令
conda create -n sd python=3.11 -y --quiet
conda activate sd
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -U huggingface_hub chardet -i https://pypi.tuna.tsinghua.edu.cn/simple
setx HF_ENDPOINT "https://hf-mirror.com"
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia -y
如果你的显存大于等于12G则运行
python sd-miner-v1.2.0.py --log-level DEBUG --auto-confirm yes
否则运行
python sd-miner-v1.2.0.py --log-level DEBUG --auto-confirm yes --exclude-sdxl
看到下图则代表运行成功
3.1 本地运行llm-miner
运行llm需要liunx系统，所以windows必须使用wsl才能运行llm程序
因为不同系统版本与设置会导致wsl各种各样的报错
所以这边只给个思路参考
我用的是wsl2 Ubuntu-22.04 ,先根据上面sd里的 把显卡驱动和cuda驱动安装上
然后根据官方的llm安装流程就能跑起来
https://github.com/heurist-network/miner-release/tree/main
如果不认cuda，可以尝试安装wsl版的cuda，不要去安装liunx的驱动和cuda 会导致不认显卡
具体问题可以在dc内询问