【LLM大模型】Ollama 运行 GGUF 模型

人工智能小豪

于 2024-09-29 20:49:44 发布

阅读量355

点赞数 4

文章标签： langchain llama 人工智能自然语言处理大语言模型 LLM 大模型

本文链接：https://blog.csdn.net/2301_81888214/article/details/142643424

版权

Ollama 默认直接支持很多模型，只需要简单的使用 ollama run命令，示例如下：

ollama run gemma:2b

就可安装、启动、使用对应模型。

通过这样方式直接支持的模型我们可以通过https://ollama.com/library 找到。

在https://huggingface.co/models上有数万的模型，Ollama 默认支持的不可能全部覆盖，那如何支持其它模型呢？

模型选择

这里我们选择个：无内容审核的大模型：CausalLM-14B（https://huggingface.co/TheBloke/CausalLM-14B-GGUF）

它是在Qwen-14B基础上使用了 Qwen-14B 的部分权重，并且加入一些其他的中文数据集，最终炼制了一个无内容审核的大模型版本，经过量化后可以在本地运行，保证了用户的隐私。

考虑到本地机器的配置，我们选用7B的这个版本来演示：
https://huggingface.co/TheBloke/CausalLM-7B-GGUF

有关GGUF类型文件的说明，请看：GGUF类型模型文件。

我们这里使用: causallm_7b.Q5_K_S.gguf 模型文件，作者对这个版本的评价是： large, low quality loss - recommended。

在这里插入图片描述

直接下载这个文件到本地即可。

Ollama 加载GGUF模型文件

使用 Ollama 加载指定的模型文件运行也非常容易。

1、创建模型配置文件

创建一个包含以下内容的模型配置文件，比如: causallm7bq5.mf 这个文件名，文件内容如下：

FROM ./causallm_7b.Q5_K_S.gguf

这里的FROM参数用于指定需要加载的具体模型文件。

2、构建对应的Ollama模型

我们使用以下命令构建 Ollama 模型：

cd \github\ollama

ollama create c7b -f ./causallm7bq5.mf

其中 c7b 是我们准备在Ollama中使用该模型的别名。

这个命令的参数解释如下：

ollama create choose-a-model-name -f <location of the file e.g. ./Modelfile>

3、使用这个模型

现在我们就可以使用了，由于是无内容审核的模型，我们可以发挥自己的想象：

ollama run c7b "请写一个情色幽默笑话"

您得到的结果将与我得到的结果不同，因为这些模型是随机的，下面是我在其中一次尝试中得到的输出：

在这里插入图片描述

不同的尝试，会有不同的惊喜，
考虑到训练数据，使用不同的关键字Prompt效果会完全不一样。

模型配置常见的参数

我们先来看看已有模型的Modelfile文件，通过学习它们来了解模型配置。

查看默认模型的底层Modelfile

使用 ollama show 打印任何本地模型的 Modelfile ，如下所示：

ollama show --modelfile gemma:2b

这个命令输出结果：

# Modelfile generated by "ollama show"
# To build a new Modelfile based on this one, replace the FROM line with:
# FROM gemma:2b

FROM C:\Users\Administrator.ollama\models\blobs\sha256-c1864a5eb19305c40519da12cc543519e48a0697ecd30e15d5ac228644957d12

TEMPLATE """<start_of_turn>user
{{ if .System }}{{ .System }} {{ end }}{{ .Prompt }}<end_of_turn>
<start_of_turn>model
{{ .Response }}<end_of_turn>
"""

PARAMETER repeat_penalty 1
PARAMETER stop "<start_of_turn>"
PARAMETER stop "<end_of_turn>"

Modelfile 指令介绍

上面的例子中，涉及到下面几个指令：

FROM (必需)

FROM 指令定义创建模型时要使用的基本模型。
这里可以使用绝对路径或相对路径的文件名，也可以指定模型名和TAG标签，下面几种都行：

FROM <model name>:<tag>
FROM llama2
FROM ./ollama-model.bin

TEMPLATE

TEMPLATE 要传递到模型的完整提示模板。它可以包括（可选）系统消息、用户消息和模型的响应。注意：语法可能特定于模型。模板使用 Go 模板语法。

详细的可以看 https://github.com/ollama/ollama/blob/main/docs/modelfile.md#template

PARAMETER

PARAMETER 指令定义了模型运行时可以设置的参数。

PARAMETER <parameter> <parametervalue>

上面示例中涉及的参数介绍：

stop 设置要使用的停止序列。当遇到此模式时，LLM 将停止生成文本并返回。可以通过在模型文件中指定多个单独的 stop 参数来设置多个停止模式。
repeat_penalty 设置惩罚重复的强度。较高的值（例如，1.5）将对重复进行更严厉的惩罚，而较低的值（例如，0.9）将更宽松。（默认值：1.1）

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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

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。

在这里插入图片描述

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)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

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