使用 ollama 部署本地模型，零基础入门到精通，非常详细收藏我这一篇就够了

鸡腿爱学习

于 2024-08-20 10:24:27 发布

阅读量493

点赞数 1

文章标签： php 开发语言人工智能 chatgpt 语言模型机器人设计模式

本文链接：https://blog.csdn.net/2401_84206094/article/details/141351309

版权

一、什么是 ollama?

ollama 官方网站.png

在本地启动并运行大型语言模型。运行Llama 2，Code Llama和其他模型。自定义并创建您自己的。

二、why ollama?

能直接运行大模型，与大模型进行对话。
ollama 命令具有管理大模型的能力。
利用 cpu 运行大模型。
本地大模型安全可靠。
终端直接开始聊天。
社区提供了支持 web api 方式访问 WebUI。

如果你还没有尝试过在本地部署过大模型，那么 ollama 非常适合你。

三、准备工作

为了方便起见，先聊设备需求和辅助软件吧。部署大模型硬件还是要尽可能的高一些，因为文件比较大，虽然本地大模型对配置要求已经比较低了。

docker 为了方便部署软件。
存储空间充足的机器，一般来说参数越大，需要配置越好。
良好的网络环境。

四、安装 ollama?

进入 ollama 下载页面，选择自己的系统版本的下载并安装即可。

4.1）检验是否安装成功

输入 Ollama 命令，正常的得出命令行输出，表示已经安装成功，下面有 ollama 的常用命令：

ollama

Usage:
  ollama [flags]
  ollama [command]

Available Commands:
  serve       Start ollama
  create      Create a model from a Modelfile
  show        Show information for a model
  run         Run a model
  pull        Pull a model from a registry
  push        Push a model to a registry
  list        List models
  cp          Copy a model
  rm          Remove a model
  help        Help about any command

Flags:
  -h, --help      help for ollama
  -v, --version   Show version information

Use "ollama [command] --help" for more information about a command.

五、ollama 模型库

模型搜索.png

我们可以在 ollama.com/library 中搜索已有我们想要的模型库。以下是一些流行的模型：

模型	参数	尺寸	执行下载
Llama 2	7B	3.8GB	`ollama run llama2`
Mistral	7B	4.1GB	`ollama run mistral`
Code Llama	7B	3.8GB	`ollama run codellama`
Llama 2 Uncensored	7B	3.8GB	`ollama run llama2-uncensored`
Llama 2 13B	13B	7.3GB	`ollama run llama2:13b`
Llama 2 70B	70B	39GB	`ollama run llama2:70b`
Gemma	2B	1.4GB	`ollama run gemma:2b`
Gemma	7B	4.8GB	`ollama run gemma:7b`

这里大概列出了 Llama、Mistral 以及 Gemma 我们景见的模型以及参数以及尺寸大小。由图表可以看出 Gemma 2B 模型的尺寸还是比较小的，初学者入门。

六、运行模型

ollama run qwen # 运行千问大模型

因为qwen 模型对中文支持比较好，这里使用 qwen 模型进行聊天

直接使用 run 命令 + 模型名字就可以运行模型。如果之前没有下载过，那么会自动下载。下载完毕之后可以在终端中直接进行对话 qwen 模型了。

6.1）直接在终端中对话：用 ollama 千问模型写一个 React 组件

ollama 适用写一个组件.png

6.2）使用 api 方式运行

curl http://localhost:11434/api/chat -d '{
  "model": "qwen",
  "messages": [
    { "role": "user", "content": "why is the sky blue?" }
  ]
}'

ollama api 访问的方式.png

api 访问的方式：模型在不断推送字段。我们需要自己处理。

七、推荐 Open WebUI

LLMs用户友好的WebUI（以前的Ollama WebUI）

使用 docker 可以方便的部署

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

docker open web-ui.png

注意 3000 时长被其他的开发程序占用，使用需要注意自己的端口是否被占用。

7.1）注册

用户系统注册.png

用户系统注册也是本地的，没有外部链接。

7.2）聊天界面

open-webui 聊天界面.png

Open WebUI 聊天界面与

7.3）web ui 配置

web-ui 配置.png

八、小结

这是一篇入门 ollama 的文章，当然 ollama 的功能远不止如此，ollama 大部分代码基于 go 开发，熟悉 go 小伙伴很亲切。当然你可以自己构建自己的模型从 GGUF/pyTorch or Safetensors 等等。 ollama 的介绍就到这里了，希望能够帮助到有需要的小伙伴们。