前言:
Llama 3.1 是 Meta(Facebook 的母公司)发布的一系列最先进的开源大语言模型。Llama 3.1 系列包括 8B(80 亿参数)、70B(700 亿参数)和 405B(4050 亿参数)模型。其中,405B 是 Meta 迄今为止最大的模型。
本地部署的硬件要求,请确认您的硬件是否能够正常运行,以免浪费时间
Windows:3060以上显卡+8G以上显存+16G内存,硬盘空间至少20G
Mac:M1或M2芯片 16G内存,20G以上硬盘空间
具体模型的显卡需求:
- llama3.1-8b,至少需要8G的显存
- llama3.1-70b,至少需要大约 70-75 GB 显存
- llama3.1-405b,运行需要非常高的显存和硬件资源,至少需要大约 400-450 GB 显存,请谨慎选择。
如果确定没问题,请继续往下看。
一、下载Ollama
Ollama 是一个开源的大模型管理工具,它提供了丰富的功能,包括模型的训练、部署、监控等。通过Ollama,你可以轻松地管理本地的大模型,提高模型的训练速度和部署效率。此外,Ollama还支持多种机器学习框架,如TensorFlow、PyTorch等,使得你可以根据自己的需求选择合适的框架进行模型的训练。【官网下载地址需要的请留言】请根据您的系统下载对应的版本
二、安装使用Ollama
双击安装,默认安装在C盘。安装完成后打开 windows powershell 或 CMD 命令行终端,输入 ollama 命令,回车,即可显示 ollama 命令的使用帮助
三、下载llama 3.1模型文件
运行CMD命令,输入
ollama run llama3.1:8b
如果你的硬件强悍,显卡非常好,也下载更大的llama 3.1的模型70B和405B
ollama run llama3.1:70b
ollama run llama3.1:405b
耐心等待下载加载完成后就可以对话测试看看有没有问题。
四、配置远程访问
Ollama 启动的默认地址为http://127.0.0.1:11434,我们需要远程调用,可以通过设置环境变量 OLLAMA_HOST
来修改默认监听地址和端口
三个变量的用途
变量名 | 值 | 说明 |
---|---|---|
OLLAMA_HOST | 0.0.0.0:8888 | 用于配置监听的 IP 和端口 |
OLLAMA_ORIGINS | * | 支持跨域访问,也可以指定特定域名,如:”baidu.com,hello.com” |
OLLAMA_MODELS | C:\Users\Administrator.ollama | 模型文件较大,建议调整到数据盘目录下。 |
windows 修改环境变量的方法:
1、停止和退出ollama 服务
2、右键”此电脑 > 属性 > 高级系统设置 > 环境变量 > Administrator 的用户变量 > 新建用户变量”,把3个变量依次添加进去
3、然后重新启动 ollama 服务并加载模型
4、接下来我们就可以使用可视化的Web UI来远程使用了,这类UI有很多,推荐2款,之前有过介绍和官方都有详尽的文档,就不多说了,请参照官方文档。
Open WebUI
- Github: https://github.com/open-webui/open-webui
- 官方文档:https://docs.openwebui.com/
LobeChat
- Github: https://github.com/lobehub/lobe-chat
- 官方文档:https://lobehub.com/zh/docs/self-hosting/start
如何系统的去学习大模型LLM ?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业
?”“谁的饭碗又将不保了?
”等问题热议不断。
事实上,抢你饭碗的不是AI,而是会利用AI的人。
继科大讯飞、阿里、华为
等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?
与其焦虑……
不如成为「掌握AI工具的技术人
」,毕竟AI时代,谁先尝试,谁就能占得先机!
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。
针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料
分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
LLM大模型学习路线 ↓
阶段1:AI大模型时代的基础理解
-
目标:了解AI大模型的基本概念、发展历程和核心原理。
-
内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
-
目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
-
内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓