Ollama 部署大模型

最新推荐文章于 2024-09-17 10:26:11 发布
最新推荐文章于 2024-09-17 10:26:11 发布
阅读量899 收藏 10
点赞数 12
文章标签： 人工智能 langchain 机器人 产品经理 pdf
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84206094/article/details/141599356
版权

由于每次调用 OpenAI 等大模型都会产生费用，这个成本问题可以在开发环节可以通过私有化部署 LLM 的方式来避免。

Ollama 简介

Ollama 是一个开源的大型语言模型服务工具，专注于在本地运行大型语言模型。用户可以通过简单的安装指令在本地运行开源大型语言模型，如 Llama 3.1。Ollama 支持 MacOS、Windows 和 Linux，提供了简洁明了的安装和运行指令，让用户无需深入了解复杂的配置即可启动和运行。

官方网站：ollama.com

GitHub 地址：github.com/ollama/olla…

安装 Ubuntu

1、开启 Hyper -V 和 适用于 Linux 的 Windows 子系统。

在这里插入图片描述

2、Microsoft Store 下载并安装 Ubuntu。

在这里插入图片描述

3、初始化 Ubuntu，输入账号和密码。

在这里插入图片描述

4、默认安装到C盘，可以迁移到其它盘，操作如下：

  1. 进入应用 --> 安装的应用，选中 Ubuntu，右键弹出高级选项，选中重置那栏，点击重置。
  2. 退出高级选择，返回上一层，右键弹出的移动，选择目标盘，点击确认即可。

安装 Docker

1、删除任何以前的 Docker 安装

shell
 代码解读
复制代码
sudo apt-get remove docker docker-engine docker.io

在这里插入图片描述

2、安装依赖包以通过 HTTPS 访问 Docker 库

shell
 代码解读
复制代码
sudo apt install apt-transport-https ca-certificates curl software-properties-common gnupg lsb-release

在这里插入图片描述

3、添加 Docker 和阿里云的 GPG key

添加 Docker 官方 GPG key （可能国内现在访问会存在问题）

shell
 代码解读
复制代码
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

在这里插入图片描述

添加阿里云的 gpg KEY

shell
 代码解读
复制代码
curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

在这里插入图片描述

4、添加 Docker 和阿里云的 apt 源并更新源

添加 Docker 官方的 apt 源

shell
 代码解读
复制代码
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

添加阿里云的 apt 源

shell
 代码解读
复制代码
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

更新源

shell
 代码解读
复制代码
sudo apt update
sudo apt-get update

5、安装 Docker

安装最新版本的 Docker

shell
 代码解读
复制代码
sudo apt install docker-ce docker-ce-cli containerd.io

查看 Docker 版本

shell
 代码解读
复制代码
sudo docker version

在这里插入图片描述

查看 Docker 运行状态

shell
 代码解读
复制代码
sudo systemctl status docker

在这里插入图片描述

6、允许非 Root用户执行 docker 命令

当我们安装好了 Docker 之后，有两种方式来执行 docker 命令：

  • 在 docker 命令前加上 sudo, 比如：sudo docker ps
  • sudo -i 切换至 root，再执行 docker 命令

以下操作可以让当前用户在不切 root，或者不加 sudo 的情况下正常使用 docker 命令。

添加 docker 用户组

shell
 代码解读
复制代码
sudo groupadd docker

将当前用户添加到用户组

shell
 代码解读
复制代码
sudo usermod -aG docker $USER

使权限生效

shell
 代码解读
复制代码
newgrp docker

检查是否生效，查看所有容器：

shell
 代码解读
复制代码
docker ps -a

让权限持久化生效

shell
 代码解读
复制代码
sed -i '$a\groupadd -f docker' ~/.bashrc

7、配置阿里云加速镜像

shell
 代码解读
复制代码
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
    "registry-mirrors": [
        "https://阿里云专属加速地址.mirror.aliyuncs.com",
        "https://do.nark.eu.org",
        "https://dc.j8.work",
        "https://docker.m.daocloud.io",
        "https://dockerproxy.com",
        "https://docker.mirrors.ustc.edu.cn",
        "https://docker.nju.edu.cn"
    ]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

检查加速是否生效： 查看 docker 系统信息 docker info，如果从输出结果中看到了 registry mirror 刚配置的内容地址，说明配置成功。

安装 Ollama

CPU 模式

bash
 代码解读
复制代码
docker run -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

查看安装情况：

在这里插入图片描述

GPU 模式

GPU 模式需要有 NVIDIA 显卡支持，安装 NVIDIA 容器工具包

shell
 代码解读
复制代码
# 1.配置apt源
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 2.更新源
sudo apt-get update
# 3.安装工具包
sudo apt-get install -y nvidia-container-toolkit

使用 GPU 运行 ollama

shell
 代码解读
复制代码
docker run --gpus all -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

加速 Ollama 下载

修改hosts文件

shell
 代码解读
复制代码
sudo vim /etc/hosts

将 github.com 做个 ip 指向:

shell
 代码解读
复制代码
# github 注意下面的IP地址和域名之间有一个空格
140.82.114.3 github.com
199.232.69.194 github.global.ssl.fastly.net
185.199.108.153 assets-cdn.github.com
185.199.109.153 assets-cdn.github.com
185.199.110.153 assets-cdn.github.com
185.199.111.153 assets-cdn.github.com

安装大模型

shell
 代码解读
复制代码
sudo docker exec -it ollama ollama run glm4:latest

在这里插入图片描述

ollama模型仓库：ollama.com/library， 可以选择自己想用的模型安装。

Ollama 命令

shell
 代码解读
复制代码
ollama serve		# 启动ollama
ollama create		# 从模型文件创建模型
ollama show		# 显示模型信息
ollama run		# 运行模型
ollama pull		# 从注册仓库中拉取模型
ollama push		# 将模型推送到注册仓库
ollama list		# 列出已下载模型
ollama cp			# 复制模型
ollama rm			# 删除模型
ollama help		# 获取有关任何命令的帮助信息

在这里插入图片描述

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。

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
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🆓↓↓↓

本文转自 https://blog.csdn.net/2301_81940605/article/details/141468417?spm=1001.2014.3001.5501，如有侵权，请联系删除。

鸡腿爱学习
关注
大模型部署-在本地计算机上推理LLaMA大语言模型-支持Windows+Linux+Mac-优质项目实战.zip
03-26
大模型部署是一项技术性极强的任务，涉及到高性能计算、资源管理和优化等多个方面。下面将详细介绍其中的关键知识点。 1. **LLaMA大语言模型**：LLaMA是类似于谷歌的T5或OpenAI的GPT系列的预训练语言模型，具有强大...
ubuntu 安装配置 ollama ,添加open-webui
热门推荐
TuringEvo专栏
03-16 1万+
如果修改了OLLAMA_MODELS环境变量，把之前下载的 OLLAMA_MODELS 目录变量下的两个目录。浏览器下载 https://ollama.com/download/ollama-linux-amd64。1 手动下载 https://ollama.com/install.sh 这个文件。2 注释掉下载部分 curl xxxx 手动下载ollama-linux-{ARCH}复制到新的OLLAMA_MODELS目录变量下 ，即可。模型下载到刚才的OLLAMA_MODELS 环境变量下。
服务器Ubuntu22.04系统下 ollama的详细部署安装和搭配open_webui使用
weixin_63782093的博客
07-19 5140
服务器Ubuntu22.04系统下 ollama的详细部署安装和搭配open_webui使用
Ubuntu系统下部署大语言模型：Ollama和OpenWebUI实现各大模型的人工智能自由
星哥说事
05-18 5042
内存：32G硬盘： 512G SSD显卡： NVIDIA GeForce GTX 1060 6GB内网IP: 192.168.1.21。
[大模型]ollama本地部署自然语言大模型
一个喜欢什么都研究一下的小小后端程序员
03-17 9703
大模型已经发布很久，网络上的大模型形形色色，现在已然是群英荟萃，那么，如何在本地运行一个大模型？本文采用ollama，简单运行本地大模型，不需要写代码。测试机器：i5 840016G内存1060 6G安装ollama安装，下载，运行模型。Chatbox作为桌面程序，用来更方便的调用大模型。经测试，gemma:2b模型可流畅运行。
Ubuntu22.04，Nvidia4070配置llama2
geji001的博客
01-10 1871
本篇主要是基于这篇博客结合自己配置的过程中一些注意点和补充说明（其实主要是方便自己以后配置）本篇主要包含以下4个部分1. 安装配置Ubuntu2. 安装nvidia驱动，cuda, cudnn3. 配置python环境4. 执行llama2训练模型。
《AI大模型应用》--ollama本地部署通义千问.zip
07-15
个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所...
使用Ollama本地部署gemma
06-04
部署Gemma模型（或任何其他模型）使用Ollama框架通常涉及以下关键步骤：设置环境、获取模型、配置Ollama、运行Ollama服务等。
羊驼家族Ollama，window版本，本地大模型
05-15
大语言模型（LLM）平民化，羊驼家族， Ollama——一个简明易用的本地大模型运行框架。...Ollama极大地简化了在Docker容器内/本地部署和管理LLM的过程，使得用户能够快速地在本地运行大型语言模型。
本地部署开源大模型的完整教程LangChain + Streamlit+ Llama
09-23
本地部署开源大模型的完整教程 LangChain + Streamlit+ LLaMA 本教程旨在指导开发人员如何在本地部署开源的大型语言模型（LLM），并使用LangChain、Streamlit和LLaMA等工具来创建交互式应用程序。以下是教程中涉及...
ollama安装(ubuntu20.04)
最新发布
玖拾说架构
09-17 1031
本文指导Ollama的安装过程。
使用Ollama实现本地部署大模型
weixin_42398461的博客
03-21 3666
打开Ollama的官网，整个网页上就只有一句显眼的话：Get up and running with large language models, locally. 中文意思是：在本地快速上手并运行大型语言模型。
如何在 Ubuntu 下无障碍安装 Ollama：通过手动下载和修改脚本解决网络问题的完整指南
进击的码农
09-03 1841
通过手动下载必要文件并修改安装脚本，你可以有效解决由于网络问题导致的 Ollama 安装失败。这种方法特别适合在受限网络环境下工作或部署的用户。希望这篇指南能帮助你顺利安装 Ollama，并在你的开发环境中开始使用这款工具。如果你在安装过程中遇到其他问题，欢迎在评论区分享，我会尽力提供帮助。作者简介我是一名资深开发工程师，专注于物联网和人工智能技术的研究与开发，致力于推动智能物联技术的发展。标签: #Ubuntu #Ollama #安装指南 #网络问题 #手动安装 #脚本修改。
Linux平台利用Ollama和Open WebUI部署大模型
Clang’s Blog
03-23 6991
在当今的人工智能领域，部署大型深度学习模型是一个挑战，尤其是对于那些不熟悉复杂技术栈的用户而言。然而，随着开源技术的不断发展，出现了一些强大的工具，如 Ollama 和 Open-webui，使得部署大型模型变得更加简单和高效。Ollama 是一个功能强大的开源平台，专门用于部署深度学习模型。与此同时，Open WebUI 是一个开源的 Web 用户界面工具，为用户提供了友好的界面来与 Ollama 平台进行交互。
部署一个本地的ChatGPT（Ollama）
qyhua的专栏
03-16 3855
部署一个本地的ChatGPT（Ollama）
Ubuntu llama 2搭建及部署，同时附问题与解决方案
m0_53353946的博客
08-10 4476
AMD Ryzen7480 OH with Radeon Graphics(16 CPUs),~2.9GHz Card name: NVIDIA GeForce RTX 2060内存：4G 存储：100G镜像地址：git clone https://hub.fastgit.xyz/facebookresearch/llama.git ![[Pasted image 20230803191542.png]] ![[Pasted image 20230803191612.png]] ![[Pasted imag
【LLM】本地部署Gemma模型（图文）
qq_20623849的博客
03-10 1491
gemma 本地部署
Ubuntu 环境安装和使用Ollama
huachangzai的博客
05-07 1877
Ubuntu 环境安装和使用Ollama
ollama部署大模型
08-17
Ollema是一种用于部署和管理大规模机器学习模型的服务平台。它通常支持深度学习框架如TensorFlow、PyTorch等，并提供了一套自动化工具和高效的基础设施来简化模型部署的过程。使用Ollema部署大模型一般包括以下几个步骤： 1. **模型训练**：首先，在本地环境或计算集群上对大型模型进行训练，优化并获得最佳性能。 2. **模型转换**：将训练好的模型转换成适合部署的格式，例如SavedModel、ONNX或HDF5，以便于在Ollema平台上运行。 3. **模型上传**：将模型文件上传到Ollema的存储系统，可能需要设置访问权限和版本控制。 4. **环境配置**：创建或选择一个包含所有依赖和运行时环境的容器镜像，保证模型能在云端运行所需的硬件和软件环境中。 5. **服务创建**：在Ollema上创建一个新的模型服务实例，指定模型路径和其他运行参数。 6. **测试和监控**：验证服务是否正常工作，设置监控机制以跟踪模型的性能和资源使用情况。 7. **API整合**：如果需要，可以将模型集成到API或其他应用中，供外部请求调用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值