leeme.mdm

En el punto uno, cuando me refiero a "preparar el entorno", implica configurar tu sistema para que tenga todo lo necesario para ejecutar Llama 2. Esta configuración puede hacerse de dos maneras: de manera general en tu Mac (globalmente) o específicamente dentro de un entorno virtual para el proyecto (localmente). La opción recomendada es hacerlo localmente, ya que esto ayuda a mantener organizadas y separadas las dependencias de diferentes proyectos. Aquí te explico cómo hacerlo en tu Mac:

Instalar Anaconda (opcional, pero recomendado):

Anaconda es un gestor de paquetes y entornos para Python. Facilita la gestión de diferentes versiones de Python y librerías.
Descarga e instala Anaconda desde su sitio web.
Sigue las instrucciones de instalación para macOS.
Crear un Entorno Virtual con Anaconda:

Abre la Terminal.
Crea un nuevo entorno virtual con Anaconda ejecutando: conda create -n llama2 python=3.8, donde llama2 es el nombre del entorno y python=3.8 especifica la versión de Python.
Activa el entorno con: conda activate llama2.
Instalar PyTorch:

Dentro del entorno activado, instala PyTorch. La forma de instalar PyTorch puede variar según tu configuración de hardware (especialmente si tienes una GPU).
Para una instalación estándar, puedes usar: conda install pytorch torchvision -c pytorch. Si necesitas una configuración específica para GPU, consulta la página de instalación de PyTorch.
Instalar wget y md5sum:

Estas herramientas son necesarias para descargar los modelos de Llama 2.
En macOS, puedes instalarlas usando Homebrew, un gestor de paquetes para macOS.
Si no tienes Homebrew, instálalo siguiendo las instrucciones en su sitio web.
Luego, instala wget con: brew install wget.
Para md5sum, macOS usa md5, que es una herramienta similar y ya viene instalada por defecto.
Al utilizar un entorno virtual, te aseguras de que las dependencias y paquetes instalados para este proyecto no interfieran con otros proyectos o con la configuración global de tu sistema. Además, te facilita la reproducción del entorno en otros sistemas o para otros desarrolladores que trabajen en el mismo proyecto.